从零训练多模态编码器 NeoMME:260M/800M 无视觉塔,主打快
CShorten30 · x · 2026-09-03
Tony Wu 与 Aurélien Lucet 发布 NeoMME:不依赖大规模生成式 VLM 起步,而是从零训练的原生文本+图像编码器,260M 与 800M 两个规格,无 vision tower,多语言且以速度为设计目标。还基于其微调了视觉文档检索器 NeoMME-Retriever。附带可在线试玩的 demo,LFM2.5-VL-450M 被用作其中的 VLM 组件。
所属事件:NeoMME 单塔多模态多语言编码器发布，260M 版 ViDoRe v3 领跑(7 条相关)→
「研究」频道最新
- 航空业的数据溯源思路：智能体如何在图结构数据上拼证据 — colinmcnamara · 2026-10-21
- SFT 阶段配方公开:指令/推理/代码/数学混训,不做多 epoch — TimDarcet · 2026-10-21
- 训练中期阶段揭秘:扩到 131k 上下文,「不要 logit,只要 token」 — TimDarcet · 2026-10-21
- 数学家 Daniel Litt 认输后谈 AI：能解题，但自动化不了数学研究 — ziv_ravid · 2026-10-21
- AI 制药真实现状：不是一句话治癌，而是海量结合筛选加毒性过滤 — burny_tech · 2026-10-21
- PyTorch 官方详解 IBM Spyre 后端：KTIR 与数据流调度器如何跑通 AI 加速器 — PyTorch · 2026-10-21