叶子的技术碎碎念

Seed1.5-VL Technical Report Seed1.5-VL 技术报告 我们提出 Seed1.5-VL，这是一个旨在提升通用多模态理解与推理能力的视觉-语言基础模型。Seed1.5-V

Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models 感知、推理、思考与规划：大模型多模

Towards Understanding Camera Motions in Any Video 理解任意视频中的摄像机运动 我们提出了CameraBench，这是一个用于评估和提升摄像机运动理解能

Kuwain 1.5B: An Arabic SLM via Language Injection Kuwain 1.5B：通过语言注入（Language Injection）构建的阿拉伯语小型语言模

InternVL3: Exploring Advanced Training and Test-Time Recipes for Open-Source Multimodal Models Inter

这两年随着大模型的能力的飞速发展，我们可以依赖大模型做很多更加复杂的任务，为了完成这些任务，我们经常需要依赖于外部环境提供的能力，为了整合这些能力，涌现了多种扩展技术，目前很常用的就是工具/函数调用（

SmolVLM: Redefining small and efficient multimodal models SmolVLM：重新定义小型高效多模态模型 虽然大型视觉语言模型 (VLMs) 具备

Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Coll

RWKV-7 "Goose" with Expressive Dynamic State Evolution RWKV-7 "Goose"：具备动态状态演化能力的架构 本文提出 RWKV-7 "Goo