Numind hat NuExtract3 veröffentlicht, ein 4B Open-Weight VLM, das auf Qwen3.5-4B basiert und unter der Apache-2.0-Lizenz steht. Ziel ist es, die Informationsgewinnung aus komplexen Dokumenten wie PDFs und Formularen praktischer und zugänglicher zu gestalten.
![NuExtract3 released: open-weight 4B VLM for Markdown, OCR and structured extraction (self-hostable) [P]](/cdn-cgi/image/width=3840,quality=75,format=webp/https://preview.redd.it/pm2xbooyxn2h1.png?width=140&height=78&auto=webp&s=30ec102187e4eb4582c79f124c41b8a3c129d1fd)
Der Inhalt fragt nach der Eignung von EMNLP-Workshops für die Evaluationsarbeit von Vision-Language Models (VLM). Es werden auch Empfehlungen für andere gute NLP-Veranstaltungsorte für diese Art von Forschung gesucht.
Dieser Artikel stellt MedExpMem vor, ein Erfahrungsgedächtnis-Framework, das medizinische Vision-Language-Modelle (VLMs) mit Expertise in der Differentialdiagnose ausstattet. Es ermöglicht diagnostischen Agenten, aus ihren eigenen Fehlern zu lernen, indem sie diskriminierende Erfahrungen als paarweise differentielle Notizen speichern.
Dieser Leitfaden behandelt das wiederholte Neutrainieren von Objekterkennungsmodellen wie YOLO in industriellen Umgebungen, indem er Generative Vision-Sprachmodelle (VLMs) für die Zero-Shot-Erkennung vorschlägt. Er hebt hervor, wie VLMs die Erkennung in semantische Prompts umwandeln, wodurch ständige Datenerfassung und Neutraining umgangen werden, weist jedoch auf neue architektonische Herausforderungen für Industrieteams hin.
PRISM ist ein neues Framework, das Wahrnehmung (VLM) und Entscheidung (LLM) durch eine dynamische Frage-Antwort-Pipeline integriert, wodurch das LLM die Ausgabe des VLM aktiv für ein aufgabenorientiertes Szenenverständnis verfeinern kann. Dieser Ansatz übertrifft bestehende bildbasierte Modelle auf Benchmarks wie ALFWorld und Room-to-Room erheblich.
Pelican-Unified 1.0 wird als das erste verkörperte Grundlagenmodell vorgestellt, das ein einziges VLM für Verständnis, Vorstellung und Aktionsgenerierung in einem Durchlauf integriert. Dieser vereinheitlichte Ansatz übertrifft modulare Systeme bei Benchmarks und vereinfacht die Robotikentwicklung.