@maximelabonne：在训练此模型的过程中，没有猫受到伤害

X AI KOLs Timeline 2026/10/27 18:12 模型

object-detection bounding-boxes vision-language-model multimodal open-source

摘要

Maxime Labonne 分享了一个有趣的演示，展示了一个新训练的多模态模型，能够在单次前向传播中进行边界框检测，同时回答其他问题，该成果归功于 Aurélien Lac。

在训练此模型的过程中，没有任何猫受到伤害

查看原文

查看缓存全文

缓存时间: 2026/10/28 11:37

没有猫咪在这个模型的训练过程中受到伤害

Aurélien Lac (@Aurelien_L_): 边界框超级实用：你只需说出你关注的物体，d1 就会在回答你其他问题的同一次前向传播中，为每个物体都画上框！

这是我厚着脸皮用自家猫咪蹭流量 🤗

相似文章

X AI KOLs Following

Clement Delangue 提前预告了即将推出的 Mistral Large 4（"Le Chonk"）：这是一款拥有 1 万亿参数的原生多模态模型，每个 token 激活 490 亿参数（含嵌入层与输出层则为 520 亿）。预计将于月底在 Hugging Face 上以开放权重形式发布。

X AI KOLs Following

Maxime Labonne分享说，他们的模型在Hugging Face上成为热门，并且尽管只有1B个活跃参数，但在代理任务上出人意料地强大。

X AI KOLs Timeline

Liquid AI 在 Hugging Face 上发布了 LFM3，这是一个拥有约 20 亿参数、共享骨干网络的模型家族，涵盖文本、视觉、音频、全模态和决策模型，可通过 Transformers.js 利用 WebGPU 在浏览器中实时为本地视频生成字幕。

X AI KOLs Timeline

Maximilien Labonne 强调了一份开源指南，介绍如何在 Claude Code、Codex 和 OpenCode 等真实 agent harness 中使用强化学习训练模型，使得任何模型（如 LFM2.5-2.6B）都能在任何 harness 上针对任意任务集进行训练。

X AI KOLs Timeline

Meituan 推出 LongCat-2.0，一个拥有 1.6万亿参数的 MoE 模型，约480亿活跃参数，支持100万上下文。该模型采用了 LongCat Sparse Attention 和 Zero-Compute Experts 等新颖架构，在编码和推理任务的基准测试中取得了优异成绩。