开源动态8

Jina AI发布多语言视觉小模型Jina-VLM

Hugging Face2025-12-12

AI 摘要

Jina AI发布Jina - VLM，参数量2.4B，在多语言视觉问答任务表现出色。它用注意力池化解决Token爆炸问题，两阶段训练防止语言能力退化，还具备消费级硬件友好的推理效率，但在超高分辨率和多图推理有短板。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

华为IJCAI 2026论文：从规模转向设计

IJCAI 2026将召开，AI算力成本高，参数扩张边际收益低，技术创新逻辑转向‘用得更省’。华为四篇被收录论文，用精巧架构和训练策略，在四方向展现系统化工程能力，提供技术转型路径。

明尼苏达大学、北大和亚马逊团队研究发现，RL收益集中在中间层，训练单层可超全参数训练。他们提出层贡献度指标，经多模型、算法、任务实验验证，还给出三种训练优化策略。

南洋理工大学等团队推出NEO - ov模型，挑战传统「视觉编码器 + 大模型」范式，直接从原始像素学语言。它在多任务表现出色，尤其空间智能突出，但在OCR等方面有短板，展现原生多模态建模潜力。

多智能体协同做视觉任务常轮次越多错得越离谱，根源是信息传递方式有缺陷。新国立等研究人员提出轻量通用的ViF范式，无需改造基座模型，可大幅压制幻觉滚雪球，已入选ICLR 2026。