IVY-XDETECTOR采用了类似LLaVA的结构，包含三个核心组件：视觉编码器、视觉投影器和大语言模型。研究团队使用SigLIP作为视觉主干来处理输入图像和从视频序列中提取的帧。为了支持高分辨率图像的细粒度检测，他们实现了动态分辨率策略——将输入 ...

IVY-FAKE不仅提供二元标签，还包含详细的解释性注释。研究团队利用Gemini2.5Pro生成结构化、可解释的输出。每个样本的标注遵循特定模板，要求模型首先用标签表达推理过程，然后用标签给出最终结论。这些解释被进一步分类为空间特征（如材质异常、扭曲的组件、非自然光照等）和时间特征（如帧间亮度不一致、面部表情异常等），为研究人员提供了丰富的分析维度。

这是OmiCLIP最具创新性的设计之一。传统的转录组学数据通常以基因表达量（Gene Expression Value）矩阵的形式存在，这对于语言模型（Language ...

我把这套提示词写了个代码，搞了一个生成器。不过考虑到有小伙伴对代码不熟，我又做了个网页（参见最后一张图），链接：https://flo.host/WuEYgtR/ ...