视觉大模型 / VLM

ZeroSense:How Vision matters in Long Context Compression

ZeroSense:视觉在长上下文压缩中的作用

Yonghan Gao, Zehong Chen, Lijian Xu, Jingzhi Chen, Jingwei Guan, Xingyu Zeng

专题命中 文档图表理解 ：multimodal large language model(abstract)；分类 cs.CV

AI总结 本文提出ZeroSense框架，通过解耦多模态大语言模型能力，评估视觉-文本压缩质量，并通过低语义相关性基准测试验证长上下文压缩效果与下游任务准确性之间的显著差异。

(De)composing Craft: An Elementary Grammar for Sharing Expertise in Craft Workflows

(解)构工艺：一种用于在工艺流程中分享专业知识的初级语法

Ritik Batra, Lydia Kim, Ilan Mandel, Amritansh Kwatra, Jane L. E, Steven J. Jackson, Thijs Roumen

专题命中 文档图表理解 ：MLLM(abstract)

AI总结 本文提出一种初级语法，用于记录工艺实践中的即兴行动，通过CraftLink界面分析视频并生成文档，促进知识共享与协作档案建设。

Comments 31 pages, 7 figures