TimeLens的推出不仅为VTG领域带来了一个新的开源模型，更为后续研究提供了宝贵的参考方法和设计蓝图。随着TimeLens的代码、模型、训练数据和评测基准的开源，未来的视频时序定位研究将迎来更加广阔的发展空间。此举无疑将推动整个行业在视频理解技术上的进步，开启新的篇章。 返回搜狐，查看更多 ...

本文的主要作者来自复旦大学和南洋理工大学 S-Lab，研究方向聚焦于视觉推理与强化学习优化。 先进的多模态大模型（Large Multi-Modal Models, LMMs）通常基于大语言模型（Large Language Models, LLMs）结合原生分辨率视觉 Transformer（NaViT）构建。然而，这类模型在处理高 ...

IT之家 12 月 18 日消息，谷歌 DeepMind 团队于 12 月 17 日发布博文，宣布推出 FACTS Grounding 基准测试，评估大型语言模型（LLMs）根据给定材料是否准确作答，并避免“幻觉”（即捏造信息）的能力，从而提升 LLMs 的事实准确性，增强用户信任度，并拓展其应用范围。