标签：多模态
o3 都要来了还能做点什么？人大&蚂蚁团队：自下而上数据合成让大模型能够多模态推理
中国人民大学高瓴人工智能学院与蚂蚁技术研究院的研究团队在EMNLP 2024上提出了一种视觉推理框架，旨在提升视觉语言模型的多模态推理能力。该框架基于“由浅入...
模型评测不是用来刷榜的，智源要用“辩论赛”的方式找回评测该有的样子
在人工智能国际顶会NeurIPS 2024上，大模型评测成为焦点，7000余篇投稿与之相关。去年，评测榜单因刷榜行为受争议，如C-Eval和SuperCLUE。评测大模型比构建更...
阶跃星辰完成数亿美元 B 轮融资，突围大模型决赛圈
阶跃星辰，作为大模型“六小虎”之一，近日完成了数亿美元的B轮融资，投资方包括上海国有资本投资有限公司及其旗下基金，以及腾讯投资、五源资本、启明创投等。...
李飞飞谢赛宁：多模态LLM「空间大脑」觉醒，惊现世界模型雏形！
李飞飞和谢赛宁团队的最新研究发现，多模态大型语言模型（MLLM）展现出了记忆和回忆空间的能力，甚至出现了局部世界模型和空间意识的迹象。这项研究名为“空间...
豆包说要「普惠」，于是大模型处理图片按「厘」计价了
近期，字节跳动在2024冬季火山引擎FORCE原动力大会上推出了豆包大模型家族的新成员——豆包・视觉理解模型，该模型具备强大的视觉理解能力，能够处理复杂视觉问...
钛媒体AGI独家｜上海国资和腾讯联手投资，“大模型六虎”阶跃星辰获数亿美元B轮融资
AI大模型独角兽阶跃星辰已完成B轮融资，总金额达数亿美元，投资方包括上海国有资本投资有限公司及其旗下基金，腾讯投资、五源资本、启明创投等。融资将用于基...
统一视觉理解与生成，MetaMorph模型问世，LeCun、谢赛宁、刘壮等参与
多模态大模型（MLLM）在视觉理解领域取得了显著进展，其中视觉指令调整方法因其数据和计算效率而被广泛应用。Meta和纽约大学的合作论文探讨了大型语言模型（L...
别再 chatbot 了，内容创作的 AI OS 时代从一块画布开始？
自1981年IBM推出个人计算机以来，人机交互方式经历了从命令行到图形界面的重大转变。如今，AI生产力工具也迎来了类似的革命。2023年，ChatGPT的出现强化了AI...
李飞飞团队统一动作与语言，新的多模态模型不仅超懂指令，还能读懂隐含情绪
斯坦福大学的研究团队在多模态语言模型领域取得了新进展，提出了一种能够同时处理语音、文本和动作生成任务的模型。该模型能够理解并生成富有表现力的人类动...
Scaling Law撞墙？预训练终结？亚马逊云科技为什么还在做基础大模型
亚马逊云科技在近期的re:Invent大会上发布了Nova系列大模型，包括Micro、Lite、Pro和Premier四个版本，其中后三者为多模态模型。尽管亚马逊已投资Anthropic，...
