엔지니어가 Google TurboQuant를 vLLM 플러그인으로 구현해 비전-랭귀지 모델에서 KV 캐시 메모리 3.76배 감축
I shipped Google's TurboQuant as a vLLM plugin 72 hours after the paper — here's what nobody else tested
Intel이 Optimum Intel과 OpenVINO를 활용해 SmolVLM을 Intel CPU에서 실행하며 PyTorch 대비 12배 TTFT 단축 및 65배 처리량 증대
Get your VLM running in 3 simple steps on Intel CPUs
Apollo-LMMs 팀이 TimeScope 벤치마크를 개발해 비디오 LMM의 장시간 이해 능력을 1분~8시간 범위에서 측정 및 평가
TimeScope: How Long Can Your Video Large Multimodal Model Go?
Vision Language Models 커뮤니티가 Any-to-Any 아키텍처, 추론 능력, 256M~2.2B 소형 모델로 진화하며 다중모달 AI의 범위와 효율성 동시 확대
Vision Language Models (Better, faster, stronger)
TNG가 olmOCR-7B-0225-preview 모델을 파인튜닝하여 문서 헤더/푸터 정보 누락 문제 해결 및 업무 문서 처리 자동화 지원
Finetuning olmOCR to be a faithful OCR-Engine
Cohere for AI가 23개 언어 지원 비전-언어 모델 Aya Vision 8B/32B를 공개하며 동급 대비 최대 81% 승률 달성
A Deepdive into Aya Vision: Advancing the Frontier of Multilingual Multimodality
smolagents가 Vision Language Model 지원을 추가하여 에이전트가 이미지를 처리하고 동적으로 시각 정보를 메모리에 누적할 수 있는 웹 브라우징 자동화 실현
We now support VLMs in smolagents!
Albumentations AI와 협업으로 문서 이미지의 텍스트와 이미지를 동시에 변환하는 TextImage Augmentation 파이프라인 개발
Introducing TextImage Augmentation for Document Images
Hugging Face가 Vision Language Model의 아키텍처, 평가 방법론, 파인튜닝 프레임워크를 종합적으로 설명하여 멀티모달 모델 도입 가이드 제공
Vision Language Models Explained
연구팀이 WebSight 데이터셋(823,000개 → 2,000,000개 쌍)을 구축하고 Sightseer 모델을 파인튜닝해 웹 스크린샷을 함수형 HTML 코드로 자동 변환
Unlocking the conversion of Web Screenshots into HTML Code with the WebSight Dataset
Habana Gaudi2에서 BridgeTower 비전-언어 모델 파인튜닝 시 데이터 로딩 최적화로 Nvidia A100 대비 2.5배, H100 대비 1.4배 속도 향상
Accelerating Vision-Language Models: BridgeTower on Habana Gaudi2
Hugging Face가 Vision-Language 모델의 5가지 사전학습 전략(Contrastive Learning, PrefixLM, Cross Attention, MLM/ITM, No Training)을 Transformers에 통합해 멀티모달 태스크 구현 단순화
A Dive into Vision-Language Models