多模态检索增强生成（Multimodal Retrieval Augmented Generation，MM-RAG）
第一部分介绍了多模态机器学习的重要性，以及MM-RAG技术的应用。对比学习用于多模态表示的方法被提出，强调了对比学习的关键要素和其在实现跨模态搜索和检索...
年轻人的AI新玩具：Vary-toy，1080Ti轻松驾驭的多模态大模型！
Vary-toy的核心目标是为视觉-语言模型提供更丰富的视觉词汇库，使其能够更准确地理解和描述复杂的视觉场景，提升了模型在文档OCR和对象检测等任务上的表现，...
大语言模型评测是怎么被玩儿烂的？我们跟知情人聊了一个下午
大模型评测面临着一些挑战，包括评测成本和时间成本高，以及数据泄露导致的过拟合问题。一些大模型公司通过刷题来提高分数，这已经成为公开的秘密。此外，评...
LLaMA-VID：突破视觉语言模型界限，精准捕捉图像精髓
LLaMA-VID模型的主要目标是处理长时视频，并面临着挑战。为了解决这些挑战，采用了创新的方法。该模型的技术方案包括采用了关键Token，并详细描述了其作用。L...
谷歌把GenAI装进Chrome
作者信息 【原文作者】 51CTO技术栈 【作者简介】 追踪 IT 新动向，赋能全球技术人员成长。 【微 信 号】 blog51cto 文章摘要 【关 键 词】 Ch...
OpenAI科学家Andrej Karpathy：LLM不想要成功，但你可以要求成功
第一个prompt是基础Prompt“番茄炒鸡蛋怎么做最好吃”，GPT4提供了简单的制作步骤和注意事项，但缺乏细节和原理的解释。第二个prompt是一步步思考的prompt“Let'...
AIGC-AI视频生成系列-12】DreamVideo: 自由定制生成视频主体+运动的生成模型，同样开源
文章首先介绍了i2vgen-xl项目，提供了github链接。然后详细介绍了视频生成的两个关键阶段：主体学习和运动学习。主体学习包括文本Embedding优化和ID-Adapter...
文心一言4.0的使用体验如何？大测评！
文章总结如下：第一部分介绍了文心4.0的语义理解能力，通过测试“一词多义”的句子，文心4.0给出了准确、详细的回复，展现了其语义理解能力的进步。第二部分测...
OpenAI宫斗参与者融了5.3亿，立刻给开发者分钱一起对抗GPT Store
Quora最近宣布从Andreessen Horowitz筹集了7500万美元，用于加速其AI聊天平台Poe的发展。Poe是一个AI聊天机器人平台，整合了市面上最新的主流大语言模型，提...
Amphion：用AI创造你的声音，让世界听见。
Amphion为研究人员提供了强大的研究工具，也为工程师们提供了一个实用的开发环境。它在音频、音乐和语音生成领域展现出了雄心，预示着未来的发展方向。通过不...