MLLM 进化史第3弹:2024-25 主流的多裁块方案 AnyRes
gabriberton · x · 2026-10-19
gabriberton 线程第 3 条:2024–2025 年大多数开源 MLLM 采用图像多裁块方案,代表包括 LLaVA-NeXT、InternVL、Gemma 3、Molmo。具体形式各异(AnyRes、Pan&Scan、重叠裁块),但彼此相似,共同问题是复杂度高、超参需逐模型调优。
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