SenseNova-Vision-7B-MoT
7B参数的多任务视觉-语言模型，采用Mixture of Transformers（MoT）架构，支持深度估计、全景分割、姿态估计和文本引导分割等视觉任务
时间轴 (近 90 天)
SenseNova-Vision-7B-MoT 中的 MoT 指 Mixture of Transformers，这种架构在单一模型内组合不同类型的专家模块，使其能够处理视觉-语言的多任务输入输出。
Reddit 用户通过 LibreYOLO 框架，在 4-bit 量化下，将 SenseNova-Vision-7B-MoT 跑在租来的 V100 上，用四张 COCO 验证集照片一次性请求深度、全景分割、姿态和文本引导分割四种视觉输出。
在包含十二个孩子的复杂场景中，SenseNova-Vision-7B-MoT 生成的深度图保持了清晰的轮廓，未出现明显的边缘模糊或深度值混淆。
SenseNova-Vision-7B-MoT 的姿态估计在挡风玻璃后面、距离远且部分遮挡的条件下，成功检测到了公交车司机。
SenseNova-Vision-7B-MoT 的文本引导分割功能允许用户通过自然语言指令调用模型能力，而不需要为每个新任务重新训练分类头。
Reddit 用户的实验规模有限，仅使用了四张 COCO 验证集照片，没有定量指标对比，也没有与专用模型的精度比较，因此更像可行性验证而非全面性能评估。
全部知识事实 (6)
SenseNova-Vision-7B-MoT 中的 MoT 指 Mixture of Transformers，这种架构在单一模型内组合不同类型的专家模块，使其能够处理视觉-语言的多任务输入输出。
50%待验证SenseNova-Vision-7B-MoT 的文本引导分割功能允许用户通过自然语言指令调用模型能力，而不需要为每个新任务重新训练分类头。
50%待验证Reddit 用户的实验规模有限，仅使用了四张 COCO 验证集照片，没有定量指标对比，也没有与专用模型的精度比较，因此更像可行性验证而非全面性能评估。
50%待验证Reddit 用户通过 LibreYOLO 框架，在 4-bit 量化下，将 SenseNova-Vision-7B-MoT 跑在租来的 V100 上，用四张 COCO 验证集照片一次性请求深度、全景分割、姿态和文本引导分割四种视觉输出。
50%待验证在包含十二个孩子的复杂场景中，SenseNova-Vision-7B-MoT 生成的深度图保持了清晰的轮廓，未出现明显的边缘模糊或深度值混淆。
50%待验证SenseNova-Vision-7B-MoT 的姿态估计在挡风玻璃后面、距离远且部分遮挡的条件下，成功检测到了公交车司机。
50%