#vlm

Skywork-R1V3 - 画像とテキストが協調する時代

Skywork-R1V3は、視覚認識と深い推論を組み合わせた380億パラメータのマルチモーダルモデルです。MMMUで76%、MathVistaで77.1%の精度を記録し、ベンチマークをリードしています。