Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Jiang, Yitong, Wang, Hongjun, McCarthy, Collin, Ye, Hanrong, Wehr, David, Li, Xinhao, Dou, Qi, Xue, Tianfan, Cheung, Ka Chun, See, Simon, Byeon, Wonmin, Chen, Ke, Han, Kai, Gu, Jinwei, Yin, Hongxu, Molchanov, Pavlo, Kautz, Jan, Liu, Sifei |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
GSPN-2: Efficient Parallel Sequence Modeling
par: Wang, Hongjun, et autres
Publié: (2025)
par: Wang, Hongjun, et autres
Publié: (2025)
Parallel Sequence Modeling via Generalized Spatial Propagation Network
par: Wang, Hongjun, et autres
Publié: (2025)
par: Wang, Hongjun, et autres
Publié: (2025)
Scaling RL to Long Videos
par: Chen, Yukang, et autres
Publié: (2025)
par: Chen, Yukang, et autres
Publié: (2025)
RegionGPT: Towards Region Understanding Vision Language Model
par: Guo, Qiushan, et autres
Publié: (2024)
par: Guo, Qiushan, et autres
Publié: (2024)
Scaling Vision Pre-Training to 4K Resolution
par: Shi, Baifeng, et autres
Publié: (2025)
par: Shi, Baifeng, et autres
Publié: (2025)
C-RADIOv4 (Tech Report)
par: Ranzinger, Mike, et autres
Publié: (2026)
par: Ranzinger, Mike, et autres
Publié: (2026)
Stateful Token Reduction for Long-Video Hybrid VLMs
par: Jiang, Jindong, et autres
Publié: (2026)
par: Jiang, Jindong, et autres
Publié: (2026)
Nemotron-Flash: Towards Latency-Optimal Hybrid Small Language Models
par: Fu, Yonggan, et autres
Publié: (2025)
par: Fu, Yonggan, et autres
Publié: (2025)
X-VILA: Cross-Modality Alignment for Large Language Model
par: Ye, Hanrong, et autres
Publié: (2024)
par: Ye, Hanrong, et autres
Publié: (2024)
LITA: Language Instructed Temporal-Localization Assistant
par: Huang, De-An, et autres
Publié: (2024)
par: Huang, De-An, et autres
Publié: (2024)
Flextron: Many-in-One Flexible Large Language Model
par: Cai, Ruisi, et autres
Publié: (2024)
par: Cai, Ruisi, et autres
Publié: (2024)
Minifinetuning: Low-Data Generation Domain Adaptation through Corrective Self-Distillation
par: Belcak, Peter, et autres
Publié: (2025)
par: Belcak, Peter, et autres
Publié: (2025)
AM-RADIO: Agglomerative Vision Foundation Model -- Reduce All Domains Into One
par: Ranzinger, Mike, et autres
Publié: (2023)
par: Ranzinger, Mike, et autres
Publié: (2023)
FasterViT: Fast Vision Transformers with Hierarchical Attention
par: Hatamizadeh, Ali, et autres
Publié: (2023)
par: Hatamizadeh, Ali, et autres
Publié: (2023)
Adaptive Sharpness-Aware Pruning for Robust Sparse Networks
par: Bair, Anna, et autres
Publié: (2023)
par: Bair, Anna, et autres
Publié: (2023)
RADIOv2.5: Improved Baselines for Agglomerative Vision Foundation Models
par: Heinrich, Greg, et autres
Publié: (2024)
par: Heinrich, Greg, et autres
Publié: (2024)
MaskLLM: Learnable Semi-Structured Sparsity for Large Language Models
par: Fang, Gongfan, et autres
Publié: (2024)
par: Fang, Gongfan, et autres
Publié: (2024)
AutoDIR: Automatic All-in-One Image Restoration with Latent Diffusion
par: Jiang, Yitong, et autres
Publié: (2023)
par: Jiang, Yitong, et autres
Publié: (2023)
3D Aware Region Prompted Vision Language Model
par: Cheng, An-Chieh, et autres
Publié: (2025)
par: Cheng, An-Chieh, et autres
Publié: (2025)
Step Out and Seek Around: On Warm-Start Training with Incremental Data
par: Shen, Maying, et autres
Publié: (2024)
par: Shen, Maying, et autres
Publié: (2024)
Feature-based Graph Attention Networks Improve Online Continual Learning
par: Sim, Adjovi, et autres
Publié: (2025)
par: Sim, Adjovi, et autres
Publié: (2025)
Universal Deep Research: Bring Your Own Model and Strategy
par: Belcak, Peter, et autres
Publié: (2025)
par: Belcak, Peter, et autres
Publié: (2025)
Attend Before Attention: Efficient and Scalable Video Understanding via Autoregressive Gazing
par: Shi, Baifeng, et autres
Publié: (2026)
par: Shi, Baifeng, et autres
Publié: (2026)
Hymba: A Hybrid-head Architecture for Small Language Models
par: Dong, Xin, et autres
Publié: (2024)
par: Dong, Xin, et autres
Publié: (2024)
BroRL: Scaling Reinforcement Learning via Broadened Exploration
par: Hu, Jian, et autres
Publié: (2025)
par: Hu, Jian, et autres
Publié: (2025)
FeatSharp: Your Vision Model Features, Sharper
par: Ranzinger, Mike, et autres
Publié: (2025)
par: Ranzinger, Mike, et autres
Publié: (2025)
Advancing Weight and Channel Sparsification with Enhanced Saliency
par: Sun, Xinglong, et autres
Publié: (2025)
par: Sun, Xinglong, et autres
Publié: (2025)
VILA: On Pre-training for Visual Language Models
par: Lin, Ji, et autres
Publié: (2023)
par: Lin, Ji, et autres
Publié: (2023)
Grounded 3D-Aware Spatial Vision-Language Modeling
par: Cheng, An-Chieh, et autres
Publié: (2026)
par: Cheng, An-Chieh, et autres
Publié: (2026)
QeRL: Beyond Efficiency -- Quantization-enhanced Reinforcement Learning for LLMs
par: Huang, Wei, et autres
Publié: (2025)
par: Huang, Wei, et autres
Publié: (2025)
LongVILA: Scaling Long-Context Visual Language Models for Long Videos
par: Chen, Yukang, et autres
Publié: (2024)
par: Chen, Yukang, et autres
Publié: (2024)
VILA$^2$: VILA Augmented VILA
par: Fang, Yunhao, et autres
Publié: (2024)
par: Fang, Yunhao, et autres
Publié: (2024)
TwinTURBO: Semi-Supervised Fine-Tuning of Foundation Models via Mutual Information Decompositions for Downstream Task and Latent Spaces
par: Quétant, Guillaume, et autres
Publié: (2025)
par: Quétant, Guillaume, et autres
Publié: (2025)
ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration
par: Su, Hongjin, et autres
Publié: (2025)
par: Su, Hongjin, et autres
Publié: (2025)
δ‐Conotoxin Structure Prediction and Analysis through Large‐Scale Comparative and Deep Learning Modeling Approaches
par: Stephen McCarthy, et autres
Publié: (2024)
par: Stephen McCarthy, et autres
Publié: (2024)
SpatialRGPT: Grounded Spatial Reasoning in Vision Language Models
par: Cheng, An-Chieh, et autres
Publié: (2024)
par: Cheng, An-Chieh, et autres
Publié: (2024)
Parallel Test-Time Scaling with Multi-Sequence Verifiers
par: Kim, Yegon, et autres
Publié: (2026)
par: Kim, Yegon, et autres
Publié: (2026)
A deeper look at depth pruning of LLMs
par: Siddiqui, Shoaib Ahmed, et autres
Publié: (2024)
par: Siddiqui, Shoaib Ahmed, et autres
Publié: (2024)
GeometrySticker: Enabling Ownership Claim of Recolorized Neural Radiance Fields
par: Huang, Xiufeng, et autres
Publié: (2024)
par: Huang, Xiufeng, et autres
Publié: (2024)
COIN: Control-Inpainting Diffusion Prior for Human and Camera Motion Estimation
par: Li, Jiefeng, et autres
Publié: (2024)
par: Li, Jiefeng, et autres
Publié: (2024)
Documents similaires
-
GSPN-2: Efficient Parallel Sequence Modeling
par: Wang, Hongjun, et autres
Publié: (2025) -
Parallel Sequence Modeling via Generalized Spatial Propagation Network
par: Wang, Hongjun, et autres
Publié: (2025) -
Scaling RL to Long Videos
par: Chen, Yukang, et autres
Publié: (2025) -
RegionGPT: Towards Region Understanding Vision Language Model
par: Guo, Qiushan, et autres
Publié: (2024) -
Scaling Vision Pre-Training to 4K Resolution
par: Shi, Baifeng, et autres
Publié: (2025)