दृष्टि-भाषा मॉडल

7 articles tagged दृष्टि-भाषा मॉडल

उपकरण समीक्षाएँ

अवतारित एजेंट एरेना के साथ एक अनुभवजन्य अध्ययन पूछता है कि क्या फ्रंटियर विजन-भाषा मॉडल एजेंट सामान्यवादी बनने के लिए तैयार हैं robot

एम्बोडेड Agent Arena दस विजन-लैंग्वेज मॉडल एजेंटों का परीक्षण करता है, जो दर्शाता है कि जियोप्रोब स्थानिक नियोजन, नियंत्रण और पूरा करने में विफलताओं को उजागर करता है।

उपकरण समीक्षाएँ

EditAgent एजेंटिक छवि संपादन पर पुनर्विचार करता है

EditAgent उपयुक्त संपादकों के लिए संपादन चरणों को रूट करता है और विश्वसनीयता और दक्षता में सुधार करते हुए सूचीवार निर्णय लेने के लिए सत्यापन रिकॉर्ड का उपयोग करता है।

उपकरण समीक्षाएँ

स्ट्रीमवाइब प्रोएक्टिव वीडियो एजेंट पेश करता है जो उपयोगकर्ता के इरादे को विकसित करने के लिए अनुकूलित करते हैं

StreamVibe-Bench स्पष्ट, निहित और गतिशील उपयोगकर्ता इरादे पर सक्रिय वीडियो एजेंटों का परीक्षण करता है, जिससे AI को सही समय पर प्रतिक्रिया करने में मदद मिलती है।

उपकरण समीक्षाएँ

Game2Real-Bench पूछता है कि क्या खिलौना खेल वास्तविक दुनिया की सेटिंग्स में दृश्य तर्क कौशल को उजागर और स्थानांतरित करते हैं।

Game2Real-Bench का मूल्यांकन करता है कि क्या छोटे, नियम आधारित खेलों में सफल होने वाले विजन-लैंग्वेज मॉडल वास्तविक दुनिया की छवियों के बारे में तर्क कर सकते हैं। यह 25 मॉडलों का परीक्षण 1,000 उत्पन्न …

उपकरण समीक्षाएँ

AI भौतिक दुनिया का क्रिस्टल-स्पष्ट दृश्य प्राप्त करता है

एमआईटी के multimodal AI जोड़े 3 डी क्रिस्टल संरचनाओं पाठ के साथ, केवल-पाठ मॉडल को हराते हुए और ठोस राज्य बैटरी सामग्री की सतह पर वादा करते हैं।

उपकरण समीक्षाएँ

स्पेसकास्ट-बेंच: विजन भाषा मॉडल में भविष्य कहनेवाला स्थानिक तर्क क्षमताओं का आकलन करना

स्पेसकास्ट-बेंच परीक्षण करता है कि क्या वीएलएम 16 कार्यों में 3,862 प्रश्नों का उपयोग करके अदृश्य स्थानिक परिवर्तन की भविष्यवाणी करते हैं, जो रोबोटिक्स और एआर के लिए निदान का समर्थन करते हैं।

उपकरण समीक्षाएँ

LFM2.5-VL-DSpark: दृश्य भाषा मॉडल के लिए एक तेज़ दृष्टिकोण

Liquid AI ने अपने LFM2.5-VL-3B विजन-लैंग्वेज मॉडल के लिए DSpark ड्राफ्ट मॉडलों को जारी किया, Apple Silicon पर 3.13x और H100 GPU पर 2.66x तक डिकोडिंग समय में कटौती करने के लिए सट्टा डीकोडिंग का उपयोग क…