MIT 研究者基于开源 Molmo 2 打造 Molmo2Fish 声呐三文鱼追踪原型

MIT 毕业生 Kai Van Brunt 在 Sara Beery 实验室基于 Ai2 开源视觉语言模型 Molmo 2 做出 Molmo2Fish 原型，用于水下声呐视频中的三文鱼追踪。该模型可在声呐视频上微调，并用「追踪错误—指令—修正」样本训练，通过自然语言指令自动修正部分追踪错误，替代传统系统出错时逐帧手工修改的方式。这一案例也展示了开放代码与训练数据对研究的价值。