作者反驳 Meta 原生多模态路线:NMM 难处理长上下文
gabriberton · x · 2026-10-19
gabriberton 线程收尾(8/8):针对 Meta 论文预测未来 MLLM 将是无视觉编码器的原生多模态模型(NMM,如 Gemma 4 12B、Inkling、Tuna-2,像素经线性层直入 LLM),作者持保留态度。他认为 NMM 确实符合苦涩教训且会用于许多场景,但因无法压缩输入 LLM 的视觉数据,无法高效处理长上下文,所以不会通吃所有用例——他甚至认为未来会出现更多编码器。
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
- 生物医学学者盛赞与 OpenAI 合著 GPT-5 科学加速论文：一生最有分量成果之一 — DeryaTR_ · 2026-10-19
- Frank Nielsen 新论文提出均值尺度框架,统一 Fréchet 与 Karcher 均值 — FrnkNlsn · 2026-10-19
- Dust 全链路极限优化换来约 10 倍提速，验证方案已公开 — burny_tech · 2026-10-19
- 七位数学家联名警告：急于将数学全面 AI 形式化恐造成持久伤害 — AlexKontorovich · 2026-10-19
- 审稿人吐槽：分到 3 篇 ICLR 加 5 篇 AAMAS 论文质量「离谱地差」 — Fantastic-Nerve-4056 · 2026-10-19
- 开源 ROS 2 激光雷达定位包:手持 Livox MID-360 户外跑通 390 米先验地图 — rsasaki0109 · 2026-10-19