Weihang Zhang

摘要： https://arxiv.org/abs/2502.13923 https://github.com/QwenLM/Qwen2.5-VL 背景介绍 目前VLMs虽然能胜任各类任务，却难以像LLM那样达到卓越表现。主要发展瓶颈在于：计算复杂度、有限的上下文理解能力、细粒度视觉感知能力差、输出序列长度 阅读全文

摘要： 能看图、听声音、看视频，还能实时说话、写文字，Qwen2.5-Omni 让多模态 AI 更进一步。 摘要速览 Qwen2.5-Omni 是 Qwen 团队发布的一款真正“全能型”的多模态大模型，支持文本、图像、音频、视频的输入，并能以文本和语音的形式同步输出，且具备流式处理能力。它不仅在 OmniB 阅读全文