WeChat AI, Tencent Inc Creo que CALM es DeepSeekOCR/Glyph bien implementado. No se necesitan «tokens de visión»; lo que funciona es la codificación a vectores latentes. Pero van más allá de simplemente añadir un autoencoder. «Nuestro trabajo prioriza la creación de una variedad latente robusta y continua».
