标签
LLaVA-OneVision-2 引入了编解码流令牌化技术以实现高效的视频理解，在时间与空间基准测试上显著超越 Qwen3-VL-8B。模型、数据和代码均已开源。
LLaVA-OneVision-2 引入了编解码流分词和窗口注意力机制以实现高效的视频理解，在包括视频、空间和跟踪任务在内的多个多模态基准测试中取得了最先进的性能。