12:27IT之家（博客/媒体）
精选
推荐理由：小鹏自己搞了个TuringViT视觉编码器，只用了别人十分之一的数据就达到更好效果，还能跑车载和机器人，效率很高。
视觉编码器
共 1 条相关 AI 资讯
7月21日
12:27
小鹏集团发布TuringViT视觉编码器，推出18L和24L两个版本，分别包含15层TLA和20层TLA。在1536×1536分辨率下，TuringViT-18L的推理吞吐量达到Seed1.5-ViT的3.04倍，相比SigLIP2-ViT-L提升2.16倍。该模型仅用0.85B图文对训练，在ImageNet-1K等六项零样本分类基准上取得83.6%平均准确率，超越使用10B数据的SigLIP2-L。TuringViT采用VISTA-Curation数据治理流水线，通过三步筛选优化图文数据质量，并支持四阶段渐进式原生动态分辨率训练。该编码器将应用于小鹏智能驾驶、智能座舱和IRON人形机器人。