标签：图像理解
发力了，Mistral对标ChatGPT全面升级le Chat，还祭出超大杯多模态模型
Mistral AI近期推出了其多模态家族的新成员Pixtral Large，这是一个基于124B开放权重构建的超大杯基础模型，具备顶尖的图像理解能力，能够理解文档、图表和自...
o1图像理解神秘现身，网友疯狂测试！Altman自曝：o2研究生级水平破105%
近期，网络上出现了关于o1图像理解功能的广泛讨论和测试。用户发现，通过选择ChatGPT 4o mini模型并上传图片，o1能够进行图像理解。这一功能原本是OpenAI未来...
o1驾驶无人机后空翻，OpenAI开发者日惊掉下巴！2分钟爆改代码写App
在OpenAI伦敦开发者日上，o1模型展示了其五大核心能力：函数调用、开发者message、流式传输、结构化输出和图像理解。o1 mini与Cursor的联动在不到2分钟内搭建...
古早费曼论文手写公式也能转LaTeX，还能看懂梗图，马斯克Grok新功能上线就火了
xAI公司开发的Grok大模型在最新更新后获得了图像理解能力，这标志着科学文献数字化和标准化工作的重大进展。Grok能够将手写公式转换成LaTeX格式，准确率极高...
阿里国际发布最新版多模态大模型Ovis，拿下开源第一
阿里国际AI团队最近发布了一款名为Ovis的多模态大模型，该模型在图像理解任务上取得了显著进展，多项子类任务达到了SOTA（最新技术）水平。多模态大模型相较...
一手实测结果出炉！智谱「超大杯」模型全家桶亮相KDD，部分任务超越GPT-4o
在KDD 2024大会上，中国的大模型技术取得了显著进展。智谱AI的顾晓韬博士介绍了支持中英双语的对话机器人ChatGLM，以及智谱基础模型的重大升级——GLM-4-Plus。...
GPT-4系列模型，在文档理解中的多维度评测
Snowflake的研究人员对OpenAI的GPT-4系列模型进行了深入研究，评估了其在文本生成、图像理解、文档摘要等方面的能力。通过在DocVQA、InfographicsVQA、SlideV...
梗图理解“天花板”！港中文终身教授贾佳亚团队推出多模态模型：GPT-4+DALL-E 3，王炸组合刷爆榜单
近日，港中文终身教授贾佳亚团队推出了一款名为 Mini-Gemini 的多模态模型，包括 2B 小杯到 34B 的超大杯，一经发布便登上了 PaperWithCode 热榜。Mini-Gemin...
贾佳亚团队新模型对标ChatGPT+DALL-E 3王炸组合！读懂梗图刷爆榜单，代码复现数学函数
这篇文章介绍了贾佳亚团队提出的超强视觉语言模型Mini-Gemini，该模型在多模态任务中表现出色，被称为开源社区版的GPT-4+DALL-E组合。Mini-Gemini提供了2B小...
生图超级外挂！贾佳亚团队提出 VLM 模型 Mini-Gemini，堪比 GPT4+DALLE3 王炸组合
香港中文大学终身教授贾佳亚团队提出了一款名为Mini-Gemini的多模态模型，该模型结合了更高清图像的精确理解、更高质量的训练数据以及更强的图像解析推理能力...
1
2
