Mage-VL: An Efficient Codec-Native Streaming Multimodal Foundation Model

• 类型：arxiv
• 标识：2607.24904
• 链接：https://arxiv.org/abs/2607.24904
• 主分类：multimodal
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Mage-VL is presented, an efficient codec-native streaming foundation model for real-time multimodal understanding and interaction and establishes AI4AI data pipelines encompassing prompt-code joint optimization for multimodal captioning and AI-driven performance diagnosis to guide training recipes.
• OpenAlex ID：W7171699370
• OpenAlex DOI：10.48550/arxiv.2607.24904
• DOI：10.48550/arxiv.2607.24904
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.24904
• OpenAlex更新：2026-08-25
• 待LLM分类：否
• 标题中文：Mage-VL：面向高效编解码器原生流式多模态的基础模型
• TLDR中文：本文提出 Mage-VL，一种面向实时多模态理解与交互的高效 codec-native 流式基础模型，并构建了 AI4AI 数据流水线，涵盖面向多模态 captioning 的 prompt-code 联合优化与以 AI 驱动的性能诊断，以指导训练方案。
• 来源文件：
• /inbox/tom/_candidates/2026-07-29-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]