首先，应当做一部分的论文阅读。 InternVideo2：视频基础模型家族，强调多任务、多范式统一 TimeSformer：纯 Transformer 的时空建模代表作 ViCLIP：视频版 CLIP 表征 VideoChat：视频对话系统，强调时空推理/定位/因果等能力 Video-LLaVA（EMNLP 2024）：视频与图像统一对齐再投影的策…

python D:\research\research_training\17\extract_multiactor_pairs_dataset.py  --data_root "D:\research\research_training\10\test\test"--out_root "D:\research\research…

1. 任务与数据 任务：给定两智能体轨迹，预测关系 ∈ {yields to, bypasses, overtakes}。 数据集： 2. 大模型路线 2.1 数据组织（SFT） 组织为 chat 数据： system：固定指令 user：轨迹采样帧 + event summary assistant：{"relation": "..."} JSO…

本周针对原本的任务，首先采用传统监督学习方法进行建模验证是否数据集可用。在数据处理阶段，将原始轨迹序列转换为固定维度特征向量，主要包括车辆航向角变化统计量、关键帧之间的相对变化特征以及轨迹点分布特征等。在模型选择上，尝试了多项逻辑回归进行三分类训练。实验结果表明，两类模型在训练集上也没有正常收敛，抛出了异常ValueError: Input con…

CUDA_VISIBLE_DEVICES=2,3python -m vllm.entrypoints.openai.api_server--model /netcache/huggingface/Qwen2.5-7B-Instruct--tensor-parallel-size 2--host 0.0.0.0--port 18001--gpu-me…

GeoLLaVA-8K: Scaling Remote-Sensing Multimodal Large Language Models to 8K Resolution 提出Background Token Pruning策略，通过语义相似性聚类有效压缩冗余背景tokens。设计Anchored Token Selection方法，利用[CLS]…

CUDA_VISIBLE_DEVICES=6,7,8,9python -m vllm.entrypoints.openai.api_server--model /netcache/huggingface/Qwen2.5-14B-Instruct--tensor-parallel-size 4--host 0.0.0.0--port 18001--g…

论文阅读 Trajectory-LLM: A Language-based Data Generator for Trajectory Prediction in Autonomous Driving 提出Trajectory-LLM（Traj-LLM） 这一基于大语言模型的自动驾驶车辆轨迹生成方法，通过创新的 “交互 - 行为 - 轨迹” 三阶段…

论文阅读 Chain-of-Thought Prompting Elicits Reasoning in Large Language Models 文章提出思维链提示（Chain-of-Thought Prompting） 这一简单方法，通过在少样本示例中提供中间推理步骤，显著提升大语言模型在算术、常识和符号推理任务中的表现。该能力是模…

论文阅读 TokenSkip: Controllable Chain-of-Thought Compression in LLMs 提出TokenSkip方法，针对大语言模型（LLMs）中思维链（CoT）推理存在的长序列导致推理延迟高的问题，基于 CoT tokens 语义重要性差异的核心洞察，通过修剪低重要性 tokens 并微调模型，实现可控的…