★ 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
24
Mentions in den letzten 7 Tagen
4 Wochen
⚡neu · 24×
Zuletzt erwähnt in
- Write-Protected Bottleneck verhindert Symbol-Kollaps in Roboter-Weltmodellen2026-07-10
- APIVOT: VLM-Planer kombiniert Sprach- und Bildgedanken für Roboterplanung2026-07-10
- Quantisierung kleiner VLMs: Komponentenanalyse für Edge-Deployment auf Jetson2026-07-10
- Thinking-Modus schadet VLM-Kalibrierung: Chain-Entropie schlägt Antwort-Entropie2026-07-10
- VLM-gestützte Curriculum-Generierung für Multi-Agent RL via Policy-Videos2026-07-10