HoPE: Hybrid of Position Embedding for Long Context Vision-Language Models
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Xiaohongshu Inc.（小红书公司）
专题命中 其他VLM ：vision-language model(title,abstract)；分类 cs.CV、cs.LG
Comments NeurIPS 2025
AI 大模型
视觉大模型 / VLM
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
1. 其他VLM 2 篇
ToolMem: Enhancing Multimodal Agents with Learnable Tool Capability Memory
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Rochester（罗切斯特大学）
专题命中 其他VLM ：vision-language model(abstract)
