Variable Vision Position Embedding
仅缩小视觉Token位置编码间隔，轻松让多模态大模型理解百万Token！清华大学，香港大学，上海AI Lab新突破
AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。
1/15/2025 12:56:00 PM
机器之心
- 1
资讯热榜
生成式 AI 已过时：英伟达黄仁勋首提 Agentic AI，后续是机器人 Physical AI
早报速读！2025年最新AI视频产品评测＆优秀案例
无需训练，100%完美检索！LLM练出「火眼金睛」，InfiniRetri超长文本一针见血
清华团队开源 “赤兔 Chitu” 推理引擎，助力国产 AI 生态发展
全国首例：一男子利用 AI 撰写色情小说牟利 2 万余元，被判有期徒刑 10 个月罚款 5000 元
Anthropic发布MCP传输机制重大升级：告别长连接，迎接更灵活的"Streamable HTTP"
OpenAI重磅剧透:GPT-5“很快推出”，CPO预测年内AI代码自动化将达99%!
小米大模型团队登顶音频推理 MMAU 榜，受到DeepSeek-R1启发
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
机器人
数据
谷歌
大模型
Midjourney
模型
智能
用户
学习
GPT
开源
微软
AI创作
图像
Meta
技术
论文
Stable Diffusion
马斯克
算法
生成式
蛋白质
Gemini
芯片
代码
神经网络
腾讯
计算
研究
Sora
英伟达
AI设计
3D
AI for Science
GPU
开发者
机器学习
场景
华为
Anthropic
预测
伟达
Transformer
模态
百度
深度学习
AI视频
苹果
驾驶
文本
搜索
神器推荐
xAI
LLaMA
算力
Copilot
人形机器人
安全
科技
视频生成
应用
字节跳动
具身智能
干货合集
2024
视觉
大语言模型
Claude
AGI
特斯拉
亚马逊
语音
架构