EarthJev：不生成文本的 Sentinel-2 问答模型
热点事件持续更新
EarthJev：不生成文本的 Sentinel-2 问答模型
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Domenico Benfenati 等作者发布 EarthJev，一个 0.8B 参数模型，用来回答针对 Sentinel-2 多光谱影像切片的类型化问题。该模型不生成任何 token，而是直接从选项字母的 logits 读出答案，单题耗时 19.9 ms。 作者称，这一速度比多模态语言模型快 4.3 至 8.7 倍。论文同时给出了代码和模型的获取链接。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
EarthJev：面向 Sentinel-2 土地覆盖自然语言问题的校准式非生成答案模型报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIEarthJev：面向 Sentinel-2 土地覆盖自然语言问题的校准式非生成答案模型
EarthJev 是一个 0.8B 参数模型，回答 Sentinel-2 多光谱影像的类型化问题时不生成任何 token，而是从选项字母的 logits 直接读出答案，单题耗时 19.9 ms，比多模态语言模型快 4.3 至 8.7 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。