第八届 LSVOS 挑战赛 MUMU 赛道报告公开,要求单个模型同时完成多概念图像标签、开放词汇检测与简短图像描述,参数不超过 5 亿、峰值推理内存不超过 8GB。 前三名方案都基于 Florence-2-base,但分别使用轻量标签头、共享低秩适配器或无需训练的组合流程。报告显示紧凑模型可以兼顾多种输出,新类别的开放词汇检测仍是主要瓶颈。此次是竞赛总结,不是发布新的通用大模型。 来源:arXiv。 配图:GETAI.APP 原创主题插画,非新闻现场实拍或官方产品界面。