来自阿里巴巴和北京大学推出FastV，这是一种针对大型视觉-语言模型（LVLMs）的推理加速技术。LVLMs是一类结合了图像识别和自然语言处理能力的人工智能模型，它们可以处理复杂的任务，比如根据图片内容生成描述、回答关于图像的问题等。然而，这些模型在处理图像信息时存在效率低下的问题，特别是在模型的深层结构中。 GitH... 阅读全文

来自香港大学、腾讯AI实验室的研究人员发布论文介绍了一种名为Bi-Modal Behavioral Alignment (BBA) 的方法，它是为了提高大型视觉-语言模型（LVLMs）在复杂多模态推理任务中的表现。BBA方法的核心在于它能够更好地利用视觉信息和领域特定语言（DSL）的表示，这两种信息在传统的Chain-... 阅读全文