Xiaomi-Lens-0, Qwen3.5 tabanlı 4B parametreli bir çok modlu büyük dil modelidir. Model, görsel temsillerinden maske tahmin ederek ince taneli bölge anlayışını geliştirir. Hafif bir çözücü, görsel kodlayıcı yama özelliklerini ve dil modelinin maske token durumlarını birleştirir. Bu sayede model, akıl yürütme sırasında bölgeye özgü görsel gizli değişkenleri kullanabilir. RefCOCO serisi test setlerinde Qwen3.5'e kıyasla ortalama 5.6 puanlık bir iyileşme sağlanmıştır.
arXiv1 dk okuma
1–1 / 1 yayın
Nasıl hazırlıyoruz?
Kaynağı belli. Sınırları açık.
Resmî duyuruları, araştırma makalelerini ve açık kaynak projelerinin sürüm notlarını yapay zekâ ile Türkçe özetliyoruz. Her haberde kaynak bağlantılarına, kullanım alanlarına ve açıklanmayan noktalara yer veriyoruz.
Doğrudan kaynak
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Bulgular ve yorumlar
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsellerin kaynağı
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Araştırma kaynakları
Makaleleri kendiniz keşfedin.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.
