标签：多模态
在RTE2024，窥见实时AGI的未来
AI技术的进步正在改变人机交互的方式，特别是在实时交互（RTE）领域。OpenAI的GPT-4o模型通过Realtime API为开发者提供了低延迟、自然流畅的对话能力，使得智...
小红书大模型团队的探索与实践：从 0 到 1 构建自研 RLHF 框架
在人工智能技术快速发展的背景下，多模态大语言模型（MLLM）因其在图文理解、创作、知识推理及指令遵循方面的能力，成为数字化转型的重要推动力。小红书大模...
新扩散模型OmniGen一统图像生成，架构还高度简化、易用
智源近日推出了OmniGen，这是一种新的扩散模型架构，旨在统一图像生成的多模态模型。OmniGen以其统一性、简单性和知识迁移能力为特点，支持多种图像生成任务...
一块显卡理解一部电影，最新超长视频理解大模型出炉！“大海捞针”准确率近95%，代码已开源
智源研究院联合多所高校发布了超长视频理解大模型Video-XL，该模型利用语言模型的原生能力对长视觉序列进行压缩，不仅保留了短视频理解的能力，还在长视频理...
刚刚，我们感受了一波最「像人」的国产AI，模型还是开源的
智谱清言近期宣布全量上线「情感语音通话」功能，为用户带来端到端的情感语音体验。该功能在响应速度、情绪感知、语音表达、多语言支持等方面实现突破，提供...
7天开发一个AI Agent应用！秘密武器：一体化数据库
OceanBase最近推出了4.3.3版本，这是其首个面向实时分析处理场景的GA版本。该版本通过增强多模态数据处理能力和推出全新的向量检索功能，实现了SQL+AI一体化...
讯飞星火爆震撼大招，七项第一11个首发！年度最逼真虚拟人萌翻全场，多模态抢先GPT-4o
在2024科大讯飞全球1024开发者节上，科大讯飞发布了讯飞星火4.0 Turbo，这是首个基于全国产算力训练的全面开放大模型。该模型在9项国际主流测试集中均取得第...
安卓版下载量超2亿！科大讯飞的星火4.0 Turbo性能效率提升50%，7项能力超越GPT-4 Turbo｜钛媒体AGI
科大讯飞在1024开发者节上宣布了讯飞星火4.0 Turbo的全新升级，该版本在七大能力上全面超越了GPT-4 Turbo，特别是在数学和代码能力上。预计到年底，讯飞星火...
全球首个多模态世界模型Emu3来了！智源王仲远：为多模态大模型训练范式指明新方向｜钛媒体AGI
北京智源人工智能研究院（BAAI）近日发布了全球首个原生多模态世界模型Emu3，该模型采用了自回归技术路线，参数量达到8B（80亿），能够将图像、文本和视频编...
预测下个token就能通往AGI，智源Emu3有世界模型的味儿了
智源研究院于2024年10月21日发布了原生多模态世界模型Emu3，这是一个基于下一个token预测的模型，能够处理文本、图像、视频三种模态数据的理解和生成，而无需...
