VLM - 标签 - Text Matrix

VLM

2026

teamchong/pxpipe：把 Claude Code 上下文塞进 PNG，省下 70% token 07-08

allenai/olmocr 深度拆解：把 PDF 线性化为 LLM 训练 token 的 7B VLM 流水线 07-01

MinerU 架构拆解：高精度文档解析引擎的 pipeline / vlm-engine / hybrid 三路后端与多模态输出 06-25

PaddleOCR 深度解析：从 PP-OCRv5 到 PaddleOCR-VL-1.6，飞桨的 OCR 工具链怎么从'单任务识别'长成'LLM-ready 文档引擎' 06-07

NVIDIA Cosmos 3 实战指南：把世界模型、机器人策略和自动驾驶拉到同一根 Transformer 线上 06-04

MLX-VLM：Apple Silicon 上的视觉语言模型推理与微调框架 04-06