★ Begriff· Multimodal
VLM — Vision Language Model
Multimodal-Modell-Klasse mit Schwerpunkt Bild + Text. Beispiele: Llama 3.2 Vision, Qwen2-VL, InternVL. Anwendungen: OCR, Bildbeschreibung, UI-Verständnis für Computer-Use-Agents.
Verwandte Tools
Auch bekannt als
vlm · vision language model · vision-language model
Aktivität
34
Mentions in den letzten 7 Tagen
4 Wochen
⚡neu · 34×
Zuletzt erwähnt in
- KVM-Hardware für lokale LLM-Agents: Physische Computer ohne Software-Install steuern2026-10-28
- VibeVideoBench: Erster Benchmark für codebasierte Videogenerierung durch Agenten2026-10-28
- Kosmetik-Angriffe täuschen KI-Altersschätzung mit bis zu 83 % Erfolgsrate2026-10-28
- Dwell: VLM-Agenten lernen durch Imagination im latenten Raum2026-10-28
- Fehlerdiagnose für beidhändige Roboter-Werkzeugnutzung mit VLMs2026-10-28