BriefGPT - AI 论文速递 ·

ZeroI2V：从图像到视频的零成本预训练 Transformer 适应

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

该研究提出了一种基准线，利用预训练的I-VL模型进行视频理解任务的最小化训练，并将视频相关任务转化为预训练目标相同的格式。在10个公共基准测试中，实现了与现有方法相当或最新的性能。同时，进行了广泛的消融研究以分析关键组件以及与静态图像和视频之间的差距。

🏷️

选择 RTC 推流方案时如何平衡成本和性能？
RTC推流成本与性能平衡的关键在于分层供给，而非一刀切。费用主要由时长、增值服务和并发构成，高清档位和RTC链路是成本放大器。通过调整分辨率、帧率、大小流...
蚂蚁 inclusionAI 开源 6B 统一图像生成与编辑模型 LLaDA-Image
蚂蚁集团开源统一图像生成与编辑模型LLaDA-Image，含6B参数，提供Base和Turbo两版本，支持文生图、编辑及中英文渲染。Turbo采用蒸馏技术...
Witbe 推出用于视频测试自动化的 AI 模型
Witbe推出自研视觉语言模型Witbe VLMs，用于视频测试自动化，与通用模型协同工作。该模型针对机顶盒等特定场景训练，性能不逊于前沿模型，且延迟更低...
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...
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...
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...