WeVisOne-VL：把语言定位接到像素级抠图
同一个视觉语言模型怎样输出框、掩码与透明度，而不把所有像素序列化？
WeVisOne-VL 在 Qwen3-VL 2B/4B 上统一检测、指代、计数和 OCR，再用对象令牌与框引导的轻量解码器输出掩码和 alpha。优势来自统一接口与共享视觉特征；抠图成绩中使用真值框的实验，不能等同于文本到抠图全链路表现。
腾讯微信视觉团队阅读简报
2026.10.25 简报
每日研究 · 覆盖 2026.10.17 — 2026.10.25
以下为当期记录；研究详情页展示最新已核对信息。
3 项工作
RAW-RAG：先保留原始证据，再讨论复杂记忆
智能体记忆的增益，究竟来自结构设计还是召回与阅读能力？
RAW-RAG 不先用大模型压缩和改写长期历史，而是对原文分块、密集召回、交叉编码重排，再让阅读模型处理时间与状态变化。它在主文七组比较中六组领先记忆系统，却在人格偏好与部分MEME设置落后；结论应是建立强检索基线，而非否定所有结构化记忆。
Zhengye Bao、Shengtao Zhang、Minnan Luo 等阅读简报
Meta Expert：跨层共享专家，减少 MoE 存储冗余
不同层是否必须各自保存一整套专家？
Meta Expert 把部分 MoE 专家从层私有改成跨层共享，并保留局部专家和注意力层。在相同激活专家数量下，一些模型可用约70–80%的专家匹配基线损失；这支持参数复用，但不等于推理延迟同比下降或每项任务都提高。
清华大学、上海人工智能实验室等阅读简报
人物与观点
0 条该期没有收录这个领域的人物动态。