跳到正文
AK·· 4 天前AI 评分56

V-JEPA-LM 开源 1B-8B 视频语言模型,4B 模型在 11 项基准平均得分 72.1

RT DailyPapers: V-JEPA-LM: Video-Language Models That Read Dynamics New models (1B-8B) join frozen V-JEPA 2.1 to an LLM with counterfactual supervisio...

AI 导读

V-JEPA-LM 发布并开源 1B-8B 视频语言模型,将冻结的 V-JEPA 2.1 连接至 LLM,并通过反事实监督识别方向、速度和顺序。原文称其在 11 项视频基准的各规模组均领先,其中 4B 模型平均得分 72.1,超过所有开源模型;模型已在 Hugging Face 开源。

来源:AK · x.com