MLLM 进化史第2弹:2023 年 LLaVA 的 336×336 简单方案
gabriberton · x · 2026-10-19
gabriberton 线程第 2 条:介绍早期 MLLM(2023 年的 LLaVA)的做法——把图像缩放到中等分辨率(如 336×336),经 ViT 和适配器传入 LLM。这是多模态模型视觉组件演化的起点,后续裁块和原生分辨率方案都由此发展而来。
所属事件:MLLM 视觉编码四年演化：从裁块走向原生多模态(8 条相关)→
「研究」频道最新
- 93 模型实测 1.5 年：蒸馏+量化+RL 或损害通用能力，DeepSeek 某版垫底 — Afinetheorem · 2026-10-19
- Tononi 与 Koch 论证:若整合信息理论成立,人类拥有真正自由意志 — burny_tech · 2026-10-19
- 受可解释性论文启发,无反向传播预训练加速 2.3 倍获验证 — burny_tech · 2026-10-19
- 操纵单个神经元让 Qwen3-8B 产生「内心独白」 — Sauers_ · 2026-10-19
- 单神经元实验:训练一个神经元就能让模型自称 Claude — Sauers_ · 2026-10-19
- Berkeley团队发现:让Agent学会「遗忘」,探索任务成绩最高提升39% — burny_tech · 2026-10-19