A PERSONAL VLM RESEARCH LOG
让每一次模型进展,
都留下可复用的理解。
每日筛选 AI 动态,拆解最新 VLM 论文,也记录从概念到代码实验的学习过程。 这里不追求信息最多,只追求理解更深。
147篇公开记录最近更新 · 2026.11.19
THREE STREAMS
三个内容栏目
从当天的信息流,到论文方法,再回到长期知识体系。
LATEST ENTRIES
最近更新
AI 日报 #073|高效模型、可控执行
谷歌发布兼顾效率的模型并扩展世界模型体验,OpenAI 则披露编码沙箱与芯片设计进展,智能体能力需要和执行边界一同验收。
VLM 论文速递 #073|流式记忆、视觉证据
本期聚焦流式视觉记忆与人类注视引导,并对照少报物体、检索冲突和场景安全评测,追问视觉模型的答案究竟由什么证据支撑。
AI 日报 #072|模型升级、验证闭环
OpenAI 宣布新一代双模型并扩展销售插件,编码智能体则把端到端验证推向工作流核心,能力升级仍需真实任务验收。
VLM 论文速递 #072|视觉规划、主动响应
本期关注视觉规划与跨图比较的内部机制、视频智能体的响应时机,并对照大模型机器人控制与医疗直接决策的收益和边界。
AI 日报 #071|浏览器接管、开放推理整合
OpenCode 将编码智能体接入真实浏览器,Hugging Face 与 OpenRouter 整合推理入口,安全评估更强调可检查性。
VLM 论文速递 #071|视觉依赖、落地评测
本期聚焦视觉依赖驱动的推测解码与多语言幻觉抑制,并以无障碍导航和手写作文纠错检验多模态落地边界。