跳到正文
arXiv · 机器人与计算机视觉· Changli Tang, Jie Yang, Tianyi Wang, Lei Li, Daoze Zhang, Zijie Xin, Zhan Liu, Li Li, Jinchang Xu, Fengyun Rao, Chao Zhang, Jing Lyu·· 4 小时前AI 评分73

WeMM-Video:开源全模态视频理解模型家族发布

WeMM-Video: Pushing the Frontiers of Open-Source Omni-Modal Video Understanding

AI 导读

作者发布了 WeMM-Video 系列中文 - 英文双语全模态基础模型,涵盖 2B、4B、9B 和 35B-A3B 四个参数量级。该模型家族基于混合思维范式统一处理文本、图像、音频和视频,支持非思考指令模式与显式分步推理模式。

来源:arXiv · 机器人与计算机视觉 · arxiv.org