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)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →