观察中
ScaleVLA将视觉-语言-动作模型扩至552B参数
- 报道
- 1
- 信源
- 1
- 首次报道
- 11/17 08:00
- 最近更新
- 11/17 08:00
论文作者提出 ScaleVLA,把 552B 参数的 DeepSeek-V4.1-Flash 主干连接到可训练的动作 DiT 上,构成视觉-语言-动作模型。作者称在统一训练设置下比较了 2B 到 552B 的视觉语言模型,以考察规模扩展对这类模型的影响。 目前公开信息只说明模型结构与比较范围,尚未给出评测结果或性能结论。
热度48 小时内每个独立信源只算一次,24 小时减半
- 48 小时参与信源
- 1
- 6 小时新加入
- 0
- 24 小时新报道
- 0
- 热点排名
- —
热度曲线会在事件持续一段时间后出现。
事件进展1 个阶段
Hugging Face 每日论文 等 1 篇报道
全部报道1 篇
ScaleVLA 将视觉-语言-动作模型扩展到 552B 参数
ScaleVLA 把 552B 的 DeepSeek-V4.1-Flash 主干接到可训练的动作 DiT 上,在统一训练设置下比较 2B 到 552B 的 VLM。
Hugging Face 每日论文
相关
#DeepSeek#具身智能#论文研究
