Amazon 研究:把图像 tokenizer 当「视觉语言」来研究多模态预训练
Amazon-FAR · hf · 2026-09-12
Amazon FAR 团队发布研究,在受控的自回归测试平台上,通过分析多模态预训练中各任务的验证损失,评估图像 tokenizer 设计如何影响文本-图像联合建模与下游性能——把图像 tokenizer 当作一种「视觉语言」来系统研究。
「多模态」频道最新
- Reddit 用户实测称 MOSS 文生图已达当前 SOTA 水平 — Ciclosporin · 2026-10-31
- 图像理解模型 Jev 1.14 上线 Runware,输入每百万 token 仅 $0.042 — aziz4ai · 2026-10-31
- 开源 VFX 工具 Paint a plate:首帧涂抹,整段镜头自动跟随编辑 — xCaYuSx · 2026-10-31
- Google DeepMind 发布 Genie 4，主打实时世界模拟 — TheAIGRID · 2026-10-31
- 用 MiniMax H3 搭出整页漫画生成工作流，作者开源全部节点 — gatortux · 2026-10-31
- Runway Agent 升级：能开文件跑代码，从生成走向干活 — runwayml · 2026-10-31