这里是AI贴吧网-AI资讯的硬核前线！我们24小时监测全球实验室动态，算法追踪巨头动向、代码解析学术突破，用最“硅基”视角解秘AI革命浪潮！

科技媒体marktechpost昨日（4月22日）发布博文，报道称英伟达最新推出Eagle2.5，一款专注于长上下文多模态学习的视觉-语言模型（VLM）。

该模型专注于理解大规模视频和图像，尤其擅长处理高分辨率图像和长视频序列。尽管参数规模仅为8B，Eagle2.5在Video-MME基准测试（512帧输入）中得分高达72.4%，媲美Qwen2.5-VL-72B和InternVL2.5-78B等更大规模模型。

创新训练策略

Eagle2.5的成功离不开两项关键训练策略：信息优先采样（Information-FirstSampling）和渐进式后训练（ProgressivePost-Training）。

信息优先采样通过图像区域保留（IAP）技术，保留超过60%的原始图像区域，同时减少宽高比失真；自动降级采样（ADS）则根据上下文长度动态平衡视觉和文本输入，确保文本完整性和视觉细节的优化。

渐进式后训练逐步扩展模型上下文窗口，从32K到128Ktoken，让模型在不同输入长度下保持稳定性能，避免过拟合单一上下文范围。这些策略结合SigLIP视觉编码和MLP投影层，确保了模型在多样化任务中的灵活性。

定制数据集

Eagle2.5的训练数据管道，整合了开源资源和定制数据集Eagle-Video-110K，该数据集专为理解长视频设计，采用双重标注方式。

自上而下的方法采用故事级分割，结合人类标注章节元数据、GPT-4生成的密集描述；自下而上的方法则利用GPT-4o为短片段生成问答对，抓取时空细节。

通过余弦相似度（cosinesimilarity）筛选，数据集强调多样性而非冗余，确保叙事连贯性和细粒度标注，显著提升了模型在高帧数（≥128帧）任务中的表现。

性能表现

Eagle2.5-8B在多项视频和图像理解任务中表现出色。在视频基准测试中，MVBench得分为74.8，MLVU为77.6，LongVideoBench为66.4；在图像基准测试中，DocVQA得分为94.1，ChartQA为87.5，InfoVQA为80.4。

消融研究（Ablationstudies）表明，IAP和ADS的移除会导致性能下降，而渐进式训练和Eagle-Video-110K数据集的加入则带来更稳定的提升。

1AI附上参考地址

Eagle2.5:BoostingLong-ContextPost-TrainingforFrontierVision-LanguageModels

GitHub页面

项目页面

想掌握最新AI隐藏技能？挖透巨头紧急下架产品的真相？点击【AI贴吧网-AI资讯】，深度解析+实战案例，智能刷新你的认知！