Toàn bộ tin AI · Thẻ “VLM”

Hôm qua · 27/09

Chủ Nhật · 1 tin

12:05

JiQiZhiXin

Nghiên cứuĐiểm AI 92/100

Tinh chọnTừ Computer-Use đến Robot-Use: Show-Harness giúp VLM điều khiển trực tiếp robot thực tế

Show-Harness giới thiệu một bộ giao diện chuẩn hóa, cho phép các mô hình ngôn ngữ thị giác (VLM) điều khiển robot trong thế giới thực mà không cần tinh chỉnh phức tạp, thu hẹp khoảng cách giữa trí tuệ số và hành động vật lý.

Vì sao đáng đọc: Đề tài (Embodied AI) đang là xu hướng nóng. Bài báo cung cấp giải pháp thực tiễn, mã nguồn mở và dữ liệu đầy đủ, có giá trị cao cho cộng đồng nghiên cứu robot.

25/09

Thứ Sáu · 2 tin

10:28

IT Home

NgànhĐiểm AI 31/100

Mercedes-Maybach S-Class mới ra mắt: Tích hợp MB.OS và mô hình thế giới Momenta R7, giá từ 1,398 triệu NDT

Mercedes-Maybach S-Class thế hệ mới chính thức trình làng với hệ điều hành MB.OS và mô hình thế giới Momenta R7, hỗ trợ lái xe tự động từ vị trí đỗ đến vị trí đỗ. Đây là dòng xe sang chạy xăng đầu tiên ứng dụng mô hình VLM đa phương thức tại thiết bị.

Mercedes-Maybach MB.OS Momenta R7 Xe thông minh

10:20

HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)

Nghiên cứuĐiểm AI 43/100

World Action Agent: Điều khiển robot thông qua VLM và kỹ thuật diễn tập hành động

World Action Agent (WAA) là khung đa tác nhân cho phép VLM điều khiển robot trực tiếp trong không gian làm việc thị giác, thông qua các tính năng như chế độ xem tiếp xúc, diễn tập hành động và hiệu chỉnh trực quan.

Robot học VLM Điều khiển AI Tự động hóa

24/09

Thứ Năm · 4 tin

21:13

Hugging Face: Blog

Sản phẩmĐiểm AI 57/100

Liquid AI ra mắt LFM2.5-VL-DSpark: Tăng tốc suy luận cho mô hình đa phương thức

Liquid AI giới thiệu mô hình nháp DSpark cho LFM2.5-VL-3B trên Hugging Face, ứng dụng kỹ thuật giải mã suy đoán để tăng tốc độ phản hồi mà vẫn giữ nguyên chất lượng đầu ra.

Liquid AI LFM2.5-VL-DSpark Tối ưu hóa AI VLM

Thêm 1 nguồn khác đưa tin

19:30

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

X-Planner: Hệ thống lập kế hoạch tác vụ dựa trên cấu trúc sự kiện cho robot thông minh

X-Planner là giải pháp lập kế hoạch mới giúp robot hiểu rõ các bước trung gian trong tác vụ dài hạn, kết hợp dữ liệu đa nguồn và giao diện VLM để tối ưu hóa khả năng suy luận và xử lý lỗi thực tế.

Robot thông minh Lập kế hoạch VLM Embodied AI

Thêm 1 nguồn khác đưa tin

12:15

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

Spatial-Interactor: Nâng cao khả năng suy luận không gian cho VLM thông qua tương tác vật lý

Spatial-Interactor là khung huấn luyện mới giúp các mô hình ngôn ngữ thị giác (VLM) hiểu được sự thay đổi trạng thái vật lý thông qua các quỹ đạo tương tác, thay vì chỉ dựa vào các câu hỏi tĩnh truyền thống.

VLM Suy luận không gian AI vật lý Thị giác máy tính

06:45

NVIDIA Technical Blog: Agentic AI / Generative AI

Mô hìnhĐiểm AI 59/100

NVIDIA ra mắt NV-Reason-CT: Mô hình VLM mã nguồn mở cho phân tích CT 3D với tư duy như bác sĩ chẩn đoán hình ảnh

NVIDIA giới thiệu NV-Reason-CT, mô hình VLM mã nguồn mở kết hợp 3D ViT và Qwen3.5-4B, cho phép phân tích CT 3D, tạo báo cáo cấu trúc và suy luận theo chuỗi tư duy như bác sĩ chuyên khoa.

NVIDIA NV-Reason-CT AI y tế VLM

23/09

Thứ Tư · 2 tin

09:30

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

RULER: Phương pháp đánh giá và tối ưu hóa mới cho việc tạo hình ảnh vector (SVG) bằng AI

RULER giải quyết vấn đề thiếu tiêu chuẩn đánh giá trong tạo mã SVG bằng cách sử dụng hệ thống chấm điểm đa tiêu chí dựa trên mô hình ngôn ngữ thị giác, giúp tối ưu hóa mô hình học tăng cường hiệu quả hơn so với các chỉ số truyền thống.

SVG Học tăng cường VLM Đánh giá AI

02:35

AK@_akhaliq

Nghiên cứuĐiểm AI 23/100

Đưa trí tuệ của VLM vào điều khiển robot

Transferring the Intelligence of VLMs to Robotic Control paper: https://huggingface.co/papers/2609....

DịchNghiên cứu mới đề xuất phương pháp tích hợp khả năng hiểu ngữ cảnh của các mô hình ngôn ngữ thị giác (VLM) vào hệ thống điều khiển robot, giúp robot thực hiện các tác vụ phức tạp linh hoạt hơn.

VLM Robot AI Nghiên cứu AI

22/09

Thứ Ba · 1 tin

10:00

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

Chuyển giao trí tuệ từ mô hình ngôn ngữ thị giác (VLM) sang điều khiển robot

Nghiên cứu giới thiệu RoboDawn, một giao diện cho phép mô hình VLM điều khiển robot trong môi trường thực tế thông qua các lệnh rời rạc và cơ chế học trong ngữ cảnh (ICL), giúp thu hẹp khoảng cách giữa thế giới số và vật lý.

Robot học VLM Điều khiển AI Học trong ngữ cảnh

17/09

Thứ Năm · 1 tin

18:10

HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)

NgànhĐiểm AI 40/100

GPT-Policy: Đột phá học tập ngữ cảnh cho robot thông minh nhờ VLM

GPT-Policy là khung làm việc cho phép robot học tập trong ngữ cảnh mà không cần huấn luyện lại, tận dụng VLM để đề xuất hành động và bộ điều khiển để thực thi, giúp tối ưu hóa hiệu suất từ các video hướng dẫn của con người.

Robot AI VLM Học tập ngữ cảnh Embodied AI

15/09

Thứ Ba · 2 tin

20:45

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

E2A-Bench: Đánh giá độ tin cậy từ bằng chứng đến hành động trong phân tích biểu đồ tài chính

E2A-Bench là bộ tiêu chuẩn mới giúp đánh giá khả năng suy luận và đưa ra quyết định dựa trên biểu đồ tài chính của các mô hình ngôn ngữ thị giác (VLM), tập trung vào tính nhất quán giữa bằng chứng và hành động thay vì chỉ kiểm tra lỗi ảo tưởng thông thường.

AI tài chính VLM Phân tích biểu đồ Đánh giá mô hình

18:07

HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)

Nghiên cứuĐiểm AI 52/100

ModaLens: Phương pháp kiểm định mới đánh giá độ phụ thuộc vào hình ảnh của mô hình VLM y tế

Nghiên cứu giới thiệu ModaLens, kỹ thuật thay thế hình ảnh theo cặp để đo lường mức độ ảnh hưởng của báo cáo chẩn đoán đến khả năng phân tích hình ảnh thực tế của các mô hình thị giác ngôn ngữ (VLM) trong y tế.

AI y tế VLM Chẩn đoán hình ảnh Đánh giá AI

10/09

Thứ Năm · 3 tin

23:00

LlamaIndex: Sản phẩm, kỹ thuật và đánh giá

Hướng dẫnĐiểm AI 65/100

Tinh chọnLlamaIndex giới thiệu OCR thông minh: Giải pháp cân bằng chi phí và độ chính xác cho tài liệu

LlamaIndex đề xuất quy trình OCR hai bước: dùng công cụ miễn phí để quét sơ bộ, sau đó chỉ dùng mô hình thị giác (VLM) cho các trang quan trọng nhằm tối ưu chi phí và hiệu suất.

OCR LlamaIndex Tối ưu chi phí Xử lý tài liệu

Vì sao đáng đọc: Giải pháp thực tế, giải quyết trực tiếp bài toán chi phí cao khi xử lý tài liệu bằng AI, rất hữu ích cho các kỹ sư và doanh nghiệp.

16:45

JiQiZhiXin

Nghiên cứuĐiểm AI 85/100

ECCV 2026 | AgentVLN: Đưa robot điều hướng vào kỷ nguyên AI Agent

AgentVLN giới thiệu phương pháp 'VLM-as-Brain', giúp robot hiểu lệnh ngôn ngữ tự nhiên và thực hiện điều hướng thông qua các kỹ năng mô-đun hóa, đạt hiệu suất cao trên các thiết bị biên như Jetson.

Robot ECCV 2026 VLM Điều hướng

09:59

HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)

NgànhĐiểm AI 44/100

Show-Harness: Đột phá cho phép VLM điều khiển trực tiếp robot

Show-Harness cung cấp giao diện hành động ngữ nghĩa rời rạc, giúp các mô hình ngôn ngữ thị giác (VLM) điều khiển robot trực tiếp mà không cần huấn luyện chuyên sâu hay bổ sung mô hình phức tạp.

VLM Robot học AI thực thể Điều khiển robot

09/09

Thứ Tư · 1 tin

13:58

HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)

NgànhĐiểm AI 36/100

CoVeR: Phương pháp cắt tỉa token dựa trên độ phủ cho suy luận 3D đa góc nhìn trên VLM

CoVeR là bộ chọn token thị giác không cần huấn luyện, giúp tối ưu hóa suy luận 3D đa góc nhìn bằng cách loại bỏ token dư thừa. Chỉ với 8% lượng token, mô hình vẫn duy trì 93,5% hiệu suất, vượt qua các phương pháp hiện có tới 3,9 điểm phần trăm.

VLM Thị giác máy tính Suy luận 3D Tối ưu hóa mô hình

08/09

Thứ Ba · 1 tin

08:00

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

FactoSR: Đột phá tư duy không gian 3D cho mô hình ngôn ngữ thị giác

FactoSR giải quyết hạn chế về tư duy không gian của các mô hình VLM bằng cách phân tách bài toán thành ba yếu tố: mặt phẳng, chiều sâu và tính liên tục thời gian, giúp máy hiểu thế giới 3D tốt hơn.

VLM Thị giác máy tính Tư duy không gian Học tăng cường

07/09

Thứ Hai · 2 tin

23:30

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

KoNA: Đánh giá khả năng từ chối trả lời thông minh của các mô hình thị giác - ngôn ngữ

Nghiên cứu giới thiệu KoNA, bộ tiêu chuẩn đánh giá khả năng nhận diện và từ chối trả lời các yêu cầu không an toàn, sai lệch hoặc bất khả thi ở cấp độ chi tiết thay vì chỉ đánh giá toàn bộ câu hỏi.

VLM An toàn AI Thị giác máy tính Đánh giá mô hình

17:15

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 88/100

Tinh chọnTFO: Biến mô hình thị giác-ngôn ngữ (VLM) thành hệ thống hiểu âm thanh mà không cần huấn luyện lại

TFO là giải pháp plug-and-play cho phép tích hợp khả năng hiểu âm thanh vào các mô hình VLM đóng băng mà không cần thay đổi kiến trúc hay huấn luyện lại, giúp bảo toàn nguyên vẹn năng lực suy luận thị giác ban đầu.

VLM Đa phương thức Xử lý âm thanh AI hiệu năng cao

Vì sao đáng đọc: Giải pháp đột phá giúp tiết kiệm chi phí tính toán đáng kể khi tích hợp đa phương thức, giải quyết trực tiếp vấn đề 'quên lãng' năng lực cũ của các mô hình VLM hiện nay.

05/09

Thứ Bảy · 1 tin

00:15

JiQiZhiXin

Nghiên cứuĐiểm AI 92/100

Tinh chọnMeta công bố HumanCLAW: Đưa mô hình nền tảng vào tầng quyết định của robot

HumanCLAW tách biệt việc ra quyết định cấp cao và điều khiển vận động, giúp đánh giá chính xác khả năng 'trí tuệ hành động' của các mô hình ngôn ngữ thị giác (VLM) trong môi trường vật lý thực tế.

Robot Embodied AI Meta VLM

Vì sao đáng đọc: Đề tài đột phá về (Embodied AI), giải quyết bài toán hóc búa trong việc tách biệt tư duy và hành động của robot, có mã nguồn mở và tính ứng dụng cao.

04/09

Thứ Sáu · 2 tin

10:29

HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)

Nghiên cứuĐiểm AI 40/100

WorldReward: Phương pháp đánh giá mô hình thế giới dựa trên VLM cho video AI

WorldReward là mô hình phần thưởng dựa trên VLM giúp đánh giá đồng bộ tính nhất quán của hành động và chất lượng hình ảnh trong các mô hình thế giới. Phương pháp này vượt trội hơn GPT-4o trong các bài kiểm tra thực tế, hỗ trợ tối ưu hóa hiệu quả cho quá trình huấn luyện RL.

Mô hình thế giới VLM Tạo video AI Nghiên cứu AI

09:29

HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)

Nghiên cứuĐiểm AI 47/100

Editable Visual Design: Kỷ nguyên mới của thiết kế đồ họa dựa trên Coding Agent

Nghiên cứu giới thiệu mô hình Editable Visual Design, kết hợp VLM làm bộ não sáng tạo và mô hình tạo ảnh làm công cụ thực thi, cho phép chỉnh sửa thiết kế chuyên sâu thông qua Coding Agent.

AI tạo ảnh Thiết kế đồ họa VLM Coding Agent

03/09

Thứ Năm · 2 tin

17:15

JiQiZhiXin

Nghiên cứuĐiểm AI 88/100

Tinh chọnEASE: Khi mô hình AI trả lời đúng nhưng 'nhìn nhầm' ảnh - Giải pháp từ Đại học Công nghệ Cáp Nhĩ Tân

Nghiên cứu giới thiệu EASE, phương pháp giúp mô hình đa phương thức không chỉ trả lời đúng mà còn phải 'nhìn' đúng vào vùng dữ liệu bằng chứng trên ảnh, giúp cải thiện đáng kể độ tin cậy của các mô hình VLM.

AI VLM Học tăng cường Thị giác máy tính

Vì sao đáng đọc: Giải quyết vấn đề cốt lõi trong suy luận đa phương thức (VLM) là 'đoán mò' thay vì hiểu ảnh. Phương pháp thực tiễn, có số liệu kiểm chứng rõ ràng trên các mô hình Qwen.

17:15

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

FoldingAgent: Tự động hóa quy trình gấp giấy Origami từ video hướng dẫn

FoldingAgent là khung tác nhân AI sử dụng mô hình ngôn ngữ thị giác (VLM) để phân tích video và chuyển đổi thành các chương trình gấp giấy tham số hóa, giúp giải quyết sai số trong các thao tác phức tạp.

AI Thị giác máy tính Robot học Origami

02/09

Thứ Tư · 2 tin

19:45

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 85/100

Học cách suy luận hình học đa phương thức thông qua cơ chế phân bổ tín dụng

Nghiên cứu giới thiệu phương pháp suy luận mới giúp mô hình VLM xác định chính xác các bước logic quan trọng trong bài toán hình học, từ đó tối ưu hóa việc học thông qua mã thực thi và phân bổ tín dụng cục bộ thay vì chỉ dựa vào kết quả cuối cùng.

AI VLM Suy luận hình học Học tăng cường

09:45

Hugging Face Daily Papers

Nghiên cứuĐiểm AI 88/100

Tinh chọnQwen-Drive-1.0: Bước tiến mới của mô hình ngôn ngữ thị giác trong xe tự lái

Qwen-Drive-1.0 tích hợp khả năng nhận diện 3D, trả lời câu hỏi thị giác và lập kế hoạch di chuyển vào một khung mô hình ngôn ngữ thị giác thống nhất, giúp xe tự lái hiểu môi trường và dự đoán quỹ đạo chính xác hơn.

Xe tự lái Qwen Thị giác máy tính VLM

Vì sao đáng đọc: Đây là bước tiến quan trọng khi ứng dụng VLM vào xe tự lái, kết hợp giữa hiểu biết thị giác tổng quát và các tác vụ chuyên biệt như lập kế hoạch di chuyển.

01/09

Thứ Ba · 5 tin