Moondream Melancarkan Perkhidmatan Penyelarasan VLM Lens untuk Meningkatkan Ketepatan

Berita ME, pada 21 April (UTC+8), menurut pemantauan Beating, Moondream melancarkan perkhidmatan fine-tuning Lens untuk menyelesaikan masalah "akhir kilometer" ketepatan yang tidak mencukupi apabila model bahasa visual (VLM), yang mampu membaca gambar dan menjawab dengan teks, berpindah dari makmal ke pengeluaran. Lens ialah API bayar mengikut penggunaan yang menyokong pembelajaran penguatan dan fine-tuning berpandukan, dengan pihak rasmi menyatakan kesan dapat dilihat dengan hanya beberapa belas gambar; selepas latihan selesai, ia boleh dipanggil melalui awan atau dijalankan secara tempatan menggunakan enjin inferens sendiri, Photon. Syarikat tersebut telah memaparkan tiga set data perbandingan. Dalam pengesanan pemain yang memegang bola dalam siaran langsung NBA, model asal sering menghasilkan banyak kotak salah positif; selepas fine-tuning dengan RL, F1 meningkat dari 28% kepada 79%, kotak salah positif berkurang dari 61 kepada 2, dengan masa latihan 54 minit dan kos $16.89. Dalam tugas mengenal pasti negara dari gambar jalan raya, setiap negara menggunakan 25 gambar sebagai sampel fine-tuning mencapai ketepatan 71.1%, melebihi GPT-5.4 pada 69.8%. Dalam imej perubatan, ketepatan model selepas fine-tuning dalam mengelas tahap keparahan glaukoma adalah dua kali ganda GPT-5.4, dengan masa latihan 47 minit dan kos $15.68. Pihak pertama yang bekerjasama ialah pengeluar kamera awan remote-control PTZOptics, yang menggunakan Moondream untuk melacak objek tertentu (contohnya, "orang yang memakai baju merah"), mengira kandungan gambar, dan menghantar amaran tidak normal. Moondream sebelum ini telah melancarkan enjin inferens Photon, dengan nombor rasmi menunjukkan latensi inferens 20 milisaat pada H100. Lens berfokus pada ketepatan, manakala Photon berfokus pada kelajuan; Moondream telah menghasilkan penyelesaian untuk dua titik penyekat umum dalam pelaksanaan VLM di persekitaran pengeluaran. (Sumber: BlockBeats)