Le filThèmes : RechercheInfraModèles
δ-Vision conserve tous les tokens visuels des modèles de langage multimodaux et réduit leur coût de calcul
1 sourcemis à jour 29 sept.pertinence 3,2 sur5
L’essentiel
Des adaptateurs de bas rang remplacent l’évolution répétée des tokens visuels dans le Transformer. Sur des benchmarks d’images et de vidéos, δ-Vision dépasse les méthodes d’élagage de tokens, à calcul comparable ou inférieur.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJingdi lei, Junxian Li, Di Zhang et al.huggingface.co
Just MLPs: Efficient Visual State Reconstruction for Multimodal Language Models (site externe)
Long visual token sequences often account for a substantial fraction of the computational overhead in multimodal large language models~(MLLMs).
Sur les mêmes thèmes
Modèles
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Modèles
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Modèles
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Modèles
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5