A100 GPU

ICML 2025 长视频理解新SOTA！蚂蚁&人大开源ViLAMP-7B，单卡可处理3小时视频

作者

蚂蚁和中国人民大学的研究团队提出ViLAMP模型，实现对超长视频的高效处理。ViLAMP通过混合精度策略，在关键帧上保持高精度分析，大幅提升了视频理解效率，并在多个基准测试中超越现有方案。

专注于将图像文档转换为结构化文本SmolDocling

作者

IBM Research 的 SmolDocling-256M-preview 是一个多模态文档处理模型，专注于将图像文档转换为结构化文本，并支持 OCR、代码块识别、数学公式转换和表格/图表解析等。其核心特性包括高效处理和精准元素识别，具备轻量级模型（基于 2.56 亿参数的 Idefics3 架构）以及开源协议。