我用YOLOX露了一手，记录一下模型部署、优化及训练的实现全过程
实验环境:实验机器:1台PC:CPU: AMD Ryzen 7 1700X Eight-Core Processor， 内存: 32G， 显卡: 2张GeForce GTX 1080 Ti 11G。
大模型学会拖进度条看视频了，阿里新研究让视频推理告别脑补，实现证据链思考
来自阿里巴巴未来生活实验室的研究团队认为，这背后是任务性质的根本差异:数学推理是纯文本空间的逻辑游戏，而视频推理需要模型在视觉内容和文本逻辑之间反复穿梭、验证。
肉眼看不出的幻觉？清华提出视觉源幻觉，仅用0.9%数据实现SOTA
来源：新智元多模态大模型的物体幻觉，长期被归因于语言先验。先看下面两组对话。
造物 100 #04｜AI 为爱做「鸭」、PLAUD 又推新作、字节 TRAE 造了个数字工牌
Hugging Face 交卷一只走路摇摇晃晃的鸭子，OpenAI 正在造自己的智能音箱，字节跳动旗下 TRAE 联名 FoloToy 开始改造自己挂在胸口的工牌。
Github获8k Star！入选苹果CoreML模型库的Depth Anything
字节跳动技术范儿 字节跳动技术团队 2024年07月10日 20:20 重庆字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。
ICCV 2025 | 北大王选所最新成果速览
来源：【北京大学】第20届国际计算机视觉大会（ICCV 2025）于2025年10月19日- 10月23日在美国夏威夷举办。International Conference on Computer Vision（ICCV）是计算机视觉领域的CCF A类顶级国际会议。
港大提出RaPO：强化微调破解MLLM灾难性遗忘，代码已开源
部分轨迹呈现高漂移:虽然刚好命中了新任务标签，但其在参数空间与表征分布上已发生了剧烈突变，彻底背离了历史知识。
造物 100 #04｜AI 为爱做「鸭」、PLAUD 又推新作、字节 TRAE 造了个数字工牌
Hugging Face 交卷一只走路摇摇晃晃的鸭子，OpenAI 正在造自己的智能音箱，字节跳动旗下 TRAE 联名 FoloToy 开始改造自己挂在胸口的工牌。
GitHub 8k Star，一作实习生，字节这个大模型成果被苹果选中了
机器之心发布机器之心编辑部字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。本文介绍了 Depth Anything 系列成果的研发历程、技术挑战与解决方法，分享了团队对于 Scaling Laws 在单一视觉任务方面的思考。
肉眼看不出的幻觉？清华提出视觉源幻觉，仅用0.9%数据实现SOTA
第一组，一张只有小狗的照片，问模型「图中有椅子吗」，它答「没有，图中是一只狗」，完全正确;近日，来自清华大学的团队在ACM MM 2026论文中提出:当模型输出很短时，比如只回答Yes/No，推理更依赖视觉模态，此时会浮现出另一套幻觉机制，它根植于视觉特征提取本身。