qwen3-vl

페이지 3개

REPO·2026

문서를 파싱하지 않고 스크린샷으로 렌더링해 이미지 자체를 검색하는 visual RAG. 위키피디아 828만 페이지 인덱스를 키 없이 쓰는 API와 Claude Code 플러그인 pixelbrowse를 함께 공개한다

PAPER·2026

Qwen3-VL-4B에 focal length 통일, 텍스트 픽셀 참조, 데이터 mixture만 더한 SFT로 depth, object 3D, correspondence, pose 네 task에서 expert 모델에 필적

↳ 6 vlm 3d-understanding

PAPER·2026

multimodal agent가 무엇을 기억할지를 강화학습으로 배우게 만든 프레임워크. 2,048 파라미터 adapter만 갱신해 task별 초점을 얻는다

↳ 11 taskmem multimodal-agent