AI多模态精华版·主流模型核心技术
从固定分辨率到原生动态分辨率，解决了什么问题？
原题Qwen2.5-VL 为什么要做 Window Attention 与 RMSNorm/SwiGLU 等高效化改造？
原题DeepStack 多层次特征融合如何在不增加 token 的情况下提升细粒度？
原题视觉 token 爆炸的根源是什么？早期的固定比例压缩方案怎么做？
原题复杂文档为何依赖长上下文？长序列又会带来哪些挑战？
原题长序列建模有哪些多层支撑设计？
原题框坐标文本化与 SEG token 路由到下游解码器是怎么做的？
原题统一序列/路由 token 相比专用 head 有哪些优劣？
原题归一化、千分制、绝对坐标三种表示如何对比选型？
原题IoU 奖励、特殊 token 与高分辨率如何共同保证定位精度？
原题从帧索引时间对齐到文本时间戳对齐经历了怎样的演进？
原题显式文本时间戳带来了哪些时序推理好处？
原题原生多模态预训练的数据配比与工程要点是什么？
原题渐进式缩放为何要先用小 LLM 训好视觉编码器再迁移？
原题SFT 加 DPO 两阶段组合与冻结 ViT 是出于什么考量？
原题RLCS 带课程采样如何支撑以推理为中心的目标？
原题可验证奖励 RLVR 如何做多域校验并防范 reward hacking？
原题重复生成的成因是什么？为何对 CoT 推理尤其致命？
原题三道闸数据过滤流水线如何抑制重复生成？
原题
暂无题目