可引导视觉表征：语言驱动的视觉特征学习
深度2026年4月2日34 分钟阅读
这项研究最有趣的发现是：通过早期文本注入而非后期融合，实现了语言引导的视觉表征，既保留了通用视觉任务的性能，又获得了多模态大模型的引导能力。计算机视觉研究者、多模态学习从业者以及对视觉-语言交互感兴趣的研究人员都应该阅读这篇论文。
本文编译自 Steerable Visual Representations，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Anthropic 限制其最新模型 Claude Mythos 的访问，仅提供给 Project Glasswing 的合作伙伴，理由是其在网络安全漏洞发现方面能力过强。该模型已发现数千个高危漏洞，包括各大操作系统和浏览器中的问题。多位安全专家证实，AI 在漏洞研究方面已取得质的飞跃，引发行业关注。
深度Simon Willison·4月7日·5 分钟
Claude Mythos Preview 展现出卓越的网络安全能力，能自主发现并利用零日漏洞，包括复杂的内存安全漏洞和跨多个漏洞的利用链。其漏洞利用成功率相比前代模型 Opus 4.6 有显著提升，从近 0% 提升到数百次成功。团队认为这是网络安全领域的转折点，并启动了 Project Glasswing 来帮助防御者提前加固关键系统。
深度·4月7日·5 分钟