Pangea: A Fully Open Multilingual Multimodal LLM for 39 Languages

Мультимодальная #LLM на 39 языков, русский в их числе. 7B параметров. "Полный" опенсорс

Код
Демо

#Multimodal #Mllm

LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding

А вот вам свежий метод экномии видеотокенов для видеопониматоров от запрещенной Meta.
Под капотом DINOv2 и еще чего-то там.

Прикручено к Qwen и Llama3.2 от 1B до 7B

Код
Демо

#MLLM #VLM