Eagle
Eagle:以資料為中心策略的前沿視覺語言模型
Eagle 是什麼?
Eagle:以資料為中心策略的前沿視覺語言模型 (原:Eagle: Frontier Vision-Language Models with Data-Centric Strategies)
Eagle 概覽
這是什麼
Eagle 是 NVIDIA 開發的一系列前沿視覺語言模型(VLM),探索以資料為中心的策略,應用於通用多模態理解、長上下文推理及具身智能。Eagle 家族包含 VFlash、LocateAnything、Eagle 2.5、Eagle 2 及原始 Eagle 等模型。這些模型已作為研發平台,支援多項 NVIDIA 專案,包括 Llama-Nemotron Nano VLM、Nemotron VLMs、NeMo Retriever、NVIDIA Isaac GR00T N1/N1.5/N1.6 及 Cosmos。
主要功能
- VFlash:用於物理 AI 中快速準確視覺規劃的通用解碼框架。採用 Flash Primitive Decoding,在單次平行草稿器傳遞中生成完整的視覺基元(軌跡、邊界框、點、密集 3D 運動)。
- LocateAnything:通用視覺語言定位模型,在統一的 VLM 下執行多樣化定位任務,包括文件理解、GUI 定位、密集物體檢測及 OCR。使用 Parallel Box Decoding 以提升吞吐量。
- Eagle 2.5:前沿 VLM,具備頂尖的影像與影片理解能力,專注於長上下文多模態理解的框架與資料策略。
- Eagle 2:探索後訓練資料策略的前沿 VLM,專注於影像理解。
- Eagle:原始模型,透過混合編碼器探索以視覺為中心的 VLM 設計空間。
使用情境
Eagle 模型適用於通用多模態理解、長上下文推理及具身智能。具體應用包括機器人與駕駛軌跡規劃、密集物體檢測、文件理解、GUI 定位、OCR、影片分析與字幕生成,以及物理 AI 的視覺規劃。這些模型已被採用為 NVIDIA GR00T N1/N1.5/N1.6 及其他企業與物理 AI 系統的 VLM 骨幹。
快速開始
請參閱儲存庫 README 以取得 VFlash、LocateAnything、Eagle 2.5 及 Eagle 的快速開始指南。
授權與價格
授權為 Apache-2.0。此專案為開源。
內容整理自該專案公開的 README 與儲存庫資訊。