BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Extending the Visual Spatial Reasoning Benchmark of Visual Large Language Models to Master Spatial Rules

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究提出了一种新评估方法，解决视觉大语言模型在视觉空间推理（VSR）数据集不足的问题。改进后的模型VSRE在VSR测试集上的准确率提高超过27%，为该领域研究提供了新思路。

🏷️

标签

VSRE models 准确率 视觉大语言模型 视觉空间推理 评估方法
➡️

继续阅读

  1. Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
    本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...
  2. 谎言秩序：俄罗斯的公共生活的荒诞性
    俄罗斯这个民族的公共生活是由谎言所维系的，其民族集体心理已经陷入深度扭曲长达几个世纪。帝国时代，沙皇君权神授，体贴爱民；假如哪里出了问题，那一定是贵族和官...
  3. Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
    本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
  4. Kimi K3 模型结构（4）：深度维度，Attention Residuals
    本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
  5. Kimi K3 模型结构（0）：一张图看懂 Kimi K3
    Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
  6. 入蜀记 day467 小小的真理
    文章记录了作者在成都的日常生活与思考，包括买菜、阅读、观看农业节目等。作者反思实践的重要性，感叹农业的脆弱与科技应对天灾的局限，并讨论文化个体化趋势、地震...
👤 个人中心
在公众号发送验证码完成验证