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

全部动态
  1. AI 日报

    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。

    • AI
    • Google
    • Gemini
  2. VLM 论文速递

    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。

    • VLM
    • 流式视频
    • 视觉定位
  3. AI 日报

    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。

    • AI
    • OpenAI
    • 编码智能体
  4. VLM 论文速递

    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。

    • VLM
    • 视觉机制
    • 视频理解
  5. AI 日报

    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。

    • AI
    • OpenCode
    • Hugging Face
  6. VLM 论文速递

    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。

    • VLM
    • 推测解码
    • 持续学习