视觉定位
-
英伟达LocateAnything实测：一个3B模型，为何能比同级更快完成视觉定位
英伟达开源LocateAnything，用3B参数模型统一目标检测、指代定位、文字检测、界面定位和点定位，并通过平行框解码提升定位速度。
-
百度开源多模态 AI 模型 ERNIE-4.5-VL-28B-A3B-Thinking，宣称性能超越 GPT-5 与 Gemini
中国搜索引擎巨头百度正式发布开源多模态 AI 模型 ERNIE-4.5-VL-28B-A3B-Thinking，该模型以 “高效轻量化” 与 “跨模态强推理” 为核心优势，在视觉相…
