商汤开源视觉多模态模型
HeyNayeem · x · 2026-07-14
SenseTime 开源了 SenseNova-Vision-7B-MoT，主打“一个模型覆盖主要视觉任务”，可通过语言或视觉提示进行操控，不需要任务专用头。官方称其在多项视觉基准上优于 Google DeepMind 的 Vision Banana。\n\n帖中给出的对比包括：\n- RefCOCOg 指代表达分割：80.3 vs 73.8\n- Cityscapes 语义分割：71.2 vs 69.9\n- NYUv2 深度估计：98.1 vs 94.8\n- NYUv2 法线估计：14.4 vs 17.8\n\n转发者还强调，这个模型是“新任务由指令定义，而不是靠新 head 定义”，并附上代码仓库。
所属事件:商汤开源 SenseNova-Vision-7B-MoT(6 条相关)→
「模型」频道最新
- 数学家吐槽 AI 数学写作糟糕,但同行认为进步速度惊人 — miniapeur · 2026-10-27
- LessWrong 实测：GLM 系列模型思维链可控性远超 Kimi 与 DeepSeek — tomekkorbak · 2026-10-27
- 「该反驳用户时就闭嘴」：医疗案例暴露 AI 顺从陷阱成常见失败模式 — echen · 2026-10-27
- 悖论:最值得信任的 LLM 反而不肯干最出格的事 — AaronBergman18 · 2026-10-27
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- repligate:LLM 上下文塞满噪声时确实会变『难』,休息的价值或可用信息论解释 — repligate · 2026-10-27