点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达来源：新智元仅用于学术分享，若侵权请联系删除自从AI跨入大模型时代以来，Scaling Law几乎成为了一个共识。论文地址：https://arxiv.org/abs/2001.08361OpenAI的研究人员在2020年的这篇论文中提出，模型的性能与三方面的指标呈幂律关系：参数量N、数据集规模D以及训练算力C。除了这三方面外，

在 8192 卡规模的集群中，使用了 128 路数据并行（Data Parallelism）、8 路张量并行（Tensor Parallelism）和 8 路流水线并行（Pipeline Parallelism），同时结合了 ZeRO 和序列并行（Sequence Parallelism），以降低模型参数、优化器状态和激活值的显存占用。Pangu Ultra 采用了改进的子序列切分并行方式，针对每

分发层，只是原来单个网络的输入层。空白层，这一层的目的是进一步梳理特征信号，进一步处理，比如添加合适的比例放大特征图等等，当然，这只是初步的想法，还没有实际去做。VGG16相比前辈AlexNet网络做了诸多改进，其中比较主要的是采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5），对于给定的感受野（与输出有关的输入图片的局部大小），采用堆积的小卷积核是优于采用

FramePack 的出现非常重要，不仅是对技术本身的突破，而是在大幅度降低本地 AI 视频创作硬件需求的情况下，让 AI 视频生成技术变得更加更加容易上手玩，让更多人可以享受到 AI 视频创作的乐趣。而现在，使用新发布的 FramePack，只需要一个带有 6GB GPU 内存的 RTX 3060 笔记本，就可以在本地流畅地生成。实验发现第三种采样方法可以将用户的输入视为高质量的第一帧，并不断优

在Cherry Studio MCP服务器里配置文生图MCP-server，魔搭上目前有几个支持生图的MCP，比如ModelScope-Image-Generation-MCP和MiniMax-MCP，两者都在魔搭的云端资源上部署，可以支持SSE的方式调用。魔搭自动发布小红书MCP，是魔搭开发者小伙伴实现的小红书笔记自动发布器，可以通过这个MCP自动完成小红书标题、内容和图片的发布。而就在今天，自

在AI大模型竞技场LMSYS上，发布不到半个月的DeepSeek-V3-0324，已经超过了曾经的「当红炸子鸡」DeepSeek-R1！腾讯旗下拥有超10亿用户的微信平台，将DeepSeek的模型接入后，用户量呈爆发式增长，迅速成为中国AI领域的明星企业。作为异军突起的现象级产品，DeepSeek的增长速度除了创造AI产品的增长奇迹，更是重新定义了全球的AI竞赛格局。奥特曼也表达了自己的焦虑，并考

从投稿到发表就长达6-7个月，而AI领域的技术每7个月就更新一轮，这意味着——论文刚发出来，SOTA就已更新换代，导致很多成果已经过时。因此，学生、独立研究者、边缘学者可能被「挡在门外」，自然交流、跨领域合作机会被压缩，这样就使得学术社群的包容性和开放性也严重受限。尤其是在2023-2024年，由于LLM的爆炸式进展，AI研究者的年均发文数已经超过了4.5篇，并且还有继续飙升的趋势。这样做的优势就

以Qwen2.5-VL为例，其3B、7B、72B模型大小指的只是LLM部分，并没有包含Vision模块，实际上3B模型的参数量接近4B，视觉模块大概0.4B左右，三个不同大小的VLM使用的是统一的视觉模型。识别错误的原因实际上是由于训练步数过少导致的。SmolVLM2-256M版本用的是Google的SigLip模型，一个基于ViT的视觉模型，选用的是最小的SigLip-93M的版本，HF论文里没

DEIMv2的成功，标志着基于DETR的实时检测器在与YOLO的竞争中，已经从“追赶者”变成了“领跑者”。它不仅证明了视觉基础模型（如DINOv3）在实时检测任务中的巨大潜力，更通过巧妙的适配器设计（STA）和系统性的多尺度优化，为如何在资源受限的条件下有效利用这些大模型提供了宝贵的经验。CV君认为，这个STA模块是本文最大的亮点，它用一种“参数免费”的方式（双线性插值）和极小的代价（轻量CNN）

：实验采用了新收集的数据集，并通过在野外问答数据和创新的2D指向数据上的微调，证明了72B Molmo模型在开放权重和数据模型类别中的领先性能，并与GPT-4o、Claude 3.5和Gemini 1.5等私有系统在学术基准和人类评估中进行了比较。】：PanAf-FGBG数据集包含20小时野生黑猩猩行为视频，共350个独立相机位置，实验使用该数据集，评估了在分布内和分布外条件下的模型性能，并提出了