别用前沿 LLM 做视觉:她开源 6 美元训练检测器的完整工具链
mervenoyann · x · 2026-11-17
mervenoyann 提出「把 LLM 当视觉实习生」的思路:与其用前沿大模型直接做目标检测或 OCR,不如让 agent 调用专门的小模型工具,花 6 美元就能训出一个运行成本极低的检测器。她把自己常用的视觉模型(从关键点检测到 OCR)打包成 agent 可调用的工具集,并做了一个端到端目标检测训练器,覆盖从数据标注、用 VLM 做评判、训练到评测的全流程。配套演讲视频已在 AI Engineer 的 WF 大会放出,GitHub 仓库随后发布,同时已加入 decision model 支持并更新了 LFM3、Qwen3.6/8 等模型。
所属事件:HF 工程师开源 vision-intern:6 美元训出视觉专用小模型(2 条相关)→
「编程与Agent」频道最新
- YouArt 推出最便宜 Seedance MCP:每秒 0.0918 美元,低于成本售卖 — nikola_mr64990 · 2026-11-17
- 开源 Weight-Space Repair CLI:让 agent 自动做权重级模型修复 — Top_Speaker_7785 · 2026-11-17
- 开源在线 LaTeX 编辑器 lattedit:浏览器直编译,专为 AI Agent 留了 API — cneuralnetwork · 2026-11-17
- Diffusers 非官方指南:几行代码加载 IDOL 单图转 3D 高斯泼溅 — RisingSayak · 2026-11-17
- 安全大佬 Miessler 用 AI 自建应用,直接替换了 Apple TV 的 YouTube — RealGeneKim · 2026-11-17
- 谷歌提出自我改进记忆系统,让 Agent 框架跨模型持续进化 — omarsar0 · 2026-11-17