PhysBrain 1.5: 이해·동작·미래 상태를 하나의 토큰 모델로 묶다
PhysBrain 1.5는 언어·손목 궤적·미래 RGB·깊이·마스크를 공동 학습한다. 체화 이해 평가의 강점과 실제 로봇 실행으로 아직 입증하지 않은 범위를 구분한다.
Tag5 posts
#Qwen3-VL
글 목록
ShutterMuse는 사진 촬영 순간의 구도와 포즈를 같이 안내하는 MLLM이다
ShutterMuse는 사후 크롭이 아니라 촬영 중 구도 결정, 프레이밍 보정, 피사체 포즈 추천을 함께 다루기 위해 CaptureGuide-Bench와 130K 규모 CaptureGuide-Dataset을 제안한 Qwen3-VL 기반 멀티모달 모델이...
OpenSearch-VL은 멀티모달 검색 에이전트를 재현 가능한 훈련 레시피로 바꾼다
OpenSearch-VL은 데이터 합성, 시각·검색 도구 환경, fatal-aware GRPO를 하나의 공개 레시피로 묶어 프론티어급 멀티모달 딥서치 에이전트를 재현하려는 시도다.
PRISM은 멀티모달 RL의 병목을 RL 자체보다 SFT 이후의 분포 붕괴에서 찾는다
PRISM은 멀티모달 모델의 표준 SFT→RLVR 파이프라인 사이에 black-box on-policy distillation 기반의 pre-alignment 단계를 삽입해, 시각 인식과 추론이 서로 다른 방식으로 무너지는 distributional...
Qwen3-VL은 319장·1달러 파인튜닝으로 Gemini 3 Flash를 앞질렀다
Oxen.ai의 실험은 Qwen3-VL-8B를 자동차 손상 분류에 맞춰 319장 이미지로 LoRA 파인튜닝하면, 약 1달러 학습비로 Gemini 3 Flash보다 더 높은 정확도와 더 짧은 추론 시간을 동시에 얻을 수 있음을 보여준다.