03-14 20:01 上海交通大学 算法工程师 发布于上海
关注
Qwen3-VL里最实用的3个设计点
今天看 Qwen3-VL，有3个点我觉得特别值得做多模态/视频理解时借鉴：
1）Interleaved MRoPE
把 t/h/w 的位置编码交错到不同频段，不再“某个轴只在某些频率上发声”。长视频里时空关系会更稳。
2）DeepStack
不只吃 ViT 最后一层，浅中深三层特征一起融合：细节、结构、语义各有分工。对 OCR/文档类任务提升很直接。
3）文本时间戳
直接在帧组前写 <3.0 seconds> 这种时间标记。相比纯位置编码，时间问题更“可读”、可学习，长视频任务更友好。
我自己的感受：
多模态模型的上限，很多时候不在“参数再堆大”，而在“信息怎么进来、怎么对齐、怎么被读懂”。
#大模型# #多模态# #算法工程师#
1）Interleaved MRoPE
把 t/h/w 的位置编码交错到不同频段，不再“某个轴只在某些频率上发声”。长视频里时空关系会更稳。
2）DeepStack
不只吃 ViT 最后一层，浅中深三层特征一起融合：细节、结构、语义各有分工。对 OCR/文档类任务提升很直接。
3）文本时间戳
直接在帧组前写 <3.0 seconds> 这种时间标记。相比纯位置编码，时间问题更“可读”、可学习，长视频任务更友好。
我自己的感受：
多模态模型的上限，很多时候不在“参数再堆大”，而在“信息怎么进来、怎么对齐、怎么被读懂”。
#大模型# #多模态# #算法工程师#
全部评论
相关推荐
点赞 评论 收藏
分享
03-19 01:17
大连东软信息学院 人工智能 
机智的豹子有点心碎：UU我还在找工作还没找到，一直在搜简历怎么改，总结了这些：
1.SEO：简历根据每一个岗位定制化：使用这个岗位中所描述的工作的词，它要求什么技能就把自己的技能描述成什么样子，把SEO用在自己身上（把我的简历和个人特质，当成一个热门产品来做 “搜索引擎优化”），让HR能用最低的门槛看到我
2."顺序：把岗位要求的技能跟经历放在简历的最开头、最显眼的位置"
3.包装：简历是一个最终交付说明书，只要最终学习成长做得到就可以，在合适的范围内自我吹捧（我这个人怎么能够在HR的角度被迅速的看懂和看到，减轻HR的工作压力）
4.每点加小标题：用6~10字概括该段内容，便于面试官快速抓取信息。
5.避免空泛描述：拒绝“培养了组织能力”等泛泛而谈，替换为具体行动和成果。
6."使用“三段式结构”：每段经历按“为什么做-做了什么-结果如何”展开：
a) 为什么做：痛点或目标（例如“品牌声量不足”）
b) 做了什么：方法论（例如“趋势洞察+竞品对标+人群细分”）
c) 结果如何：量化成果或影响（例如“推动客户投放20万预算”）"
7.量化成果：用数字体现工作成效（如“整理500+份资料”“撰写2万字报告”）。
这些有的是我想去的岗的，如果对你有用的话按需修改就好~加油，早日上岸！ 点赞 评论 收藏
分享
查看27道真题和解析