标签：多模态
OpenAI 发布实时 API，AI 实时语音时代如何抢占风口？
今年的RTE大会上，实时互动与AI的结合将展现巨大潜力。OpenAI发布的实时API公开测试版，基于GPT-4o语音到语音的AI应用和智能体，标志着实时语音交互能力的新...
号称击败Claude 3.5 Sonnet，媲美GPT-4o，开源多模态模型Molmo挑战Scaling law
Ai2公司推出了一款名为Molmo的多模态人工智能模型，该模型在功能上类似于钢铁侠的智能助手“贾维斯”。Molmo能够通过一张照片识别自行车的颜色、品牌和二手售价...
给机器人装上「虫脑」？非Transformer液态神经网络终于来了！MIT CSAIL负责人创业成果
Liquid AI是一家专注于开发新型人工智能模型的初创公司，由MIT计算机科学与人工智能实验室（CSAIL）的前研究人员创立。该公司旨在超越现有的生成式预训练Tran...
MIT系初创打破Transformer霸权！液体基础模型刷新SOTA，非GPT架构首次显著超越Transformer
MIT系初创公司Liquid AI推出了一种新型多模态非Transformer模型——液体基础模型LFM，该模型在基准测试中超越了现有的Transformer模型，成为新的SOTA（State of...
Meta开源多模态模型——Llama 3.2
Meta公司最近发布了其首个多模态大语言模型（LLM）Llama-3.2，标志着Llama系列的重大升级。此次升级包括四个不同规模的模型，旨在满足不同应用场景的需求。Ll...
天下苦LangChain久矣
Ell 是一个新发布的语言模型编程库，旨在与 LangChain、Llama-Index 和 DSPy 等现有库竞争，甚至有可能取代它们。Ell 的核心维护者对 LangChain 的抽象表示不...
「群体智能」剑指AGI革命！国产架构挑战Transformer霸权，首款非Attention模型更新
国内AI初创团队RockAI提出了一种新的方法来实现通用人工智能（AGI），即通过“群体智能”来赋予每个设备智能，并实现类人交互。他们认为，要实现这一目标，需要...
后发先至，字节版 Sora 发布！10秒长度、多主体交互、一致性多镜头
字节跳动公司近期发布了豆包大模型的多款新品，标志着其在人工智能领域的进一步拓展。这些新品包括视频生成、音乐生成和同声传译大模型，展示了公司在AI视频...
万字推演OpenAI o1 self-play RL 技术路线
曹宇在其文章中深入分析了OpenAI的新型自我博弈强化学习（RL）模型o1，该模型在数理推理领域取得了显著成绩，并提出了训练时计算（train-time compute）和测...
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...
