我遇到了一些有趣的动向。Moondream似乎推出了一项专注于提升视觉语言模型（VLM）精度的新服务“Lens”。这发生在上周的4月21日。

到目前为止，VLM在实验室中表现优异，但在实际应用场景中，精度会大幅下降，这是一个问题。Lens是一项为解决这一问题而设计的微调服务，支持强化学习和有监督微调两种方式。它是按量付费的API，用户可以根据需要使用。

令人惊讶的是，它能用少量数据实现显著改善。据说在NBA直播视频分析中使用后，F1得分从28%跃升至79%。误检率也大幅降低。

在街景图像识别国家、医疗图像处理等任务中，也展现出超越现有模型的性能。感觉视觉语言模型的实用化又迈进了一步。

Moondream的早期合作伙伴PTZOptics计划将Lens集成到其系统中，以提升目标追踪和异常检测的精度。此前，Moondream还推出了Photon推理引擎，而Lens则作为补充，旨在兼顾VLM的速度与精度。

用技术解决实际应用中的难题。这样的稳步改进，或许会推动VLM的全面普及。