2025年视觉语言模型综述：更强更快

Hugging Face 发布2025年视觉语言模型（VLM）综述，总结了过去一年该领域的关键进展。报告指出，VLM在性能上显著提升，推理速度加快，多模态理解能力增强。主要趋势包括：模型架构从融合式向解码器式演进，训练数据规模和质量提升，以及开源模型与闭源模型的差距缩小。综述还分析了多个代表性模型（如LLaVA、Qwen-VL、InternVL等）的改进，并讨论了评估基准和实际应用案例。