本期為TechBeat人工智能社區(qū)第720期線上Talk。

北京時(shí)間10月22日(周三) 20:00，加州大學(xué)圣克魯茲分校博士生劉彥青的Talk將準(zhǔn)時(shí)在TechBeat人工智能社區(qū)開播！

他與大家分享的主題是:OpenVision - 構(gòu)建通用視覺模型的新范式，屆時(shí)他將圍繞OpenVision系列的五項(xiàng)代表性工作，系統(tǒng)展示團(tuán)隊(duì)在訓(xùn)練范式、數(shù)據(jù)構(gòu)建與模型設(shè)計(jì)上的階段性探索。

Talk·信息

主題：OpenVision - 構(gòu)建通用視覺模型的新范式

嘉賓：加州大學(xué)圣克魯茲分校 · 博士生 - 劉彥青

時(shí)間：北京時(shí)間10月22日(周三) 20:00

地點(diǎn)：TechBeat人工智能社區(qū)

http://www.techbeat.net/

Talk·介紹

在多模態(tài)基礎(chǔ)模型迅速發(fā)展的今天，OpenVision 系列試圖回應(yīng)一個(gè)核心問題：是否存在一種開放、可復(fù)現(xiàn)、具備學(xué)術(shù)可持續(xù)性的視覺語言預(yù)訓(xùn)練路徑？本次分享將圍繞五項(xiàng)代表性工作，系統(tǒng)展示我們在訓(xùn)練范式、數(shù)據(jù)構(gòu)建與模型設(shè)計(jì)上的階段性探索。

Talk大綱

1. 研究動(dòng)機(jī)與開放挑戰(zhàn)

- 多模態(tài)基礎(chǔ)模型當(dāng)前發(fā)展路徑的封閉性困境

- 訓(xùn)練成本、數(shù)據(jù)質(zhì)量、可復(fù)現(xiàn)性三大門檻

2. OpenVision 路線概覽

- 五階段代表性工作簡介

- 構(gòu)建一個(gè)系統(tǒng)化、全鏈條開放的研究框架

3. 階段成果 I：訓(xùn)練與數(shù)據(jù)的基礎(chǔ)設(shè)施建設(shè)

- CLIPA：大規(guī)模 CLIP 訓(xùn)練中的 inverse scaling law

- ReCap：基于 LLaMA-3 的十億級(jí)圖文重寫數(shù)據(jù)集

4. 階段成果 II：模型結(jié)構(gòu)與訓(xùn)練范式的創(chuàng)新

- CLIPS：合成字幕下的并行優(yōu)化策略（對比 + 生成）

- OpenVision：面向多模態(tài)學(xué)習(xí)的開放視覺編碼器家族

- OpenVision 2：生成式預(yù)訓(xùn)練視覺模型的新路徑

5. 總結(jié)與展望：視覺預(yù)訓(xùn)練模型的開放實(shí)踐與未來演進(jìn)

- 開放實(shí)踐中的關(guān)鍵技術(shù)經(jīng)驗(yàn)與挑戰(zhàn)

- 多模態(tài)預(yù)訓(xùn)練的下一步研究方向與可能路徑

Talk·預(yù)習(xí)資料

論文鏈接： https://arxiv.org/abs/2305.07017

論文鏈接： https://arxiv.org/abs/2406.08478

論文鏈接： https://arxiv.org/abs/2411.16828

論文鏈接： https://arxiv.org/abs/2505.04601

論文鏈接： https://arxiv.org/abs/2509.01644

論文鏈接： https://arxiv.org/abs/2103.00020

論文鏈接： https://arxiv.org/abs/2303.15343

Talk·提問交流

在Talk界面下的【交流區(qū)】參與互動(dòng)！留下你的打call和問題，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻(xiàn)，我們都會(huì)給予你相應(yīng)的i豆積分，還會(huì)有驚喜獎(jiǎng)勵(lì)哦！

Talk·嘉賓介紹

劉彥青???????????

加州大學(xué)圣克魯茲分校 · 博士生
???

劉彥青，加州大學(xué)圣克魯茲分校計(jì)算機(jī)科學(xué)博士生，師從謝慈航教授，目前在 Google 擔(dān)任 Student Researcher。2023 年本科畢業(yè)于浙江大學(xué)，曾在新加坡國立大學(xué)、上海人工智能實(shí)驗(yàn)室等機(jī)構(gòu)從事研究工作。研究方向包括多模態(tài)學(xué)習(xí)、視覺語言預(yù)訓(xùn)練與基礎(chǔ)模型，聚焦構(gòu)建具備開放性、可擴(kuò)展性與可復(fù)現(xiàn)性的視覺表征體系，致力于發(fā)展能與語言自然交互、支持多模態(tài)推理的通用視覺模型。

個(gè)人主頁: https://www.techbeat.net/grzytrkj?id=45776 ????

-The End-

如果你也想成為講者

自薦 / 推薦

單人Talk | 團(tuán)隊(duì)專場 | 錄播or直播 | 閉門交流

多種方式任你選擇！

推薦講者成功也有獎(jiǎng)勵(lì)哦~

關(guān)于TechBeat人工智能社區(qū)

TechBeat(www.techbeat.net)隸屬于將門創(chuàng)投，是一個(gè)薈聚全球華人AI精英的成長社區(qū)。

我們希望為AI人才打造更專業(yè)的服務(wù)和體驗(yàn)，加速并陪伴其學(xué)習(xí)成長。

期待這里可以成為你學(xué)習(xí)AI前沿知識(shí)的高地，分享自己最新工作的沃土，在AI進(jìn)階之路上的升級(jí)打怪的根據(jù)地！

更多詳細(xì)介紹>>

預(yù)約本期Talk