MIT 研究者用开源 Molmo 2 追踪声呐视频中的三文鱼，可用自然语言纠错

allen_ai · x · 2026-10-14

Ai2 介绍 MIT 毕业生 Kai Van Brunt 在 Sara Beery 实验室基于开源视觉语言模型 Molmo 2 打造的 Molmo2Fish 原型：- 用于水下声呐视频中的三文鱼追踪，服务种群监测与渔业管理，领域远超模型原始训练数据；- 传统追踪系统易跟丢、串号，人工逐帧修错非常耗时；- Van Brunt 微调 Molmo 2 适配声呐视频，再用「追踪错误—指令—修正」样本训练，使研究者能用自然语言描述错误让模型自动纠正（如两条鱼被分到同一轨迹时）；- 案例展示了开源模型（含模型、代码、训练数据）支持领域定制研究的价值。