热点事件持续更新
研究团队提出小VLM外部协作框架Harness Compilation
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究人员在arXiv上公布了一项关于小型视觉语言模型（VLM）协作框架的研究。该研究提出名为Harness Compilation（HC）的离线方法，能够自适应划分冻结的小型VLM（至多9B参数）与外部harness之间的任务分工，部署时无需更新模型权重或调用教师模型。实验结果显示，在7个视觉问答基准测试中，HC相比基准裸模型将得分平均提升了9.9至23.9分。此外，仅使用100个练习样本，HC便在3项任务上超越了仅针对答案的LoRA微调表现。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 12:00
研究团队提出HC方法，无需更新权重即可显著提升小型视觉语言模型性能。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 人工智能Harness Compilation：小型视觉语言模型应保留哪些决策？
研究人员提出 Harness Compilation（HC）离线方法，自适应划分冻结小型视觉语言模型（至多 9B 参数）与外部 harness 的任务分工，部署无需更新权重或调用教师模型。在 7 个视觉问答测试中，HC 相比基准裸模型将得分平均提升 9.9-23.9 分。此外，仅用 100 个练习样本，HC 便在 3 项任务上超越了仅针对答案的 LoRA 微调。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。