cambrian-s

收录理由

Cambrian-S 是一组面向视频空间推理的视觉语言模型，通用多模态大模型在这个任务上往往力不从心，而它专门补上了这块短板。仓库提供了从 0.5B 到 7B 参数的预训练权重，连同训练代码和评测工具一起放出，你可以直接跑现成模型，也可以照着训练流程自己复现或改动。项目还公开了 VSI-590K 指令微调数据集和 VSI-SUPER 基准，想自己微调一个视频空间理解模型，或者拿专用测试集给模型打分，这些资源都能派上用场。做视频理解或具身感知的团队，可以直接拿权重和评测框架来适配；研究者也能基于这套可复现的训练栈继续往下做。