标签：多模态
视频、图像、文本，只需基于下一个Token预测：智源Emu3发布，验证多模态模型新范式
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，能够在无需扩散模型或组合方法的情况下，完成文本、图像、视...
Ilya观点得证！仅靠预测下一个token统一图像文本视频，智源发布原生多模态世界模型Emu3
智源研究院发布了原生多模态世界模型Emu3，该模型基于下一个token预测，无需依赖扩散模型或组合方法，能够完成文本、图像、视频三种模态数据的理解和生成。Em...
Ilya预言成真，下一个token预测直达AGI！智源首发原生多模态世界模型Emu3，不用扩散
智源研究院最近发布了一款名为Emu3的原生多模态世界模型，该模型通过预测下一个token来理解和生成文本、图像和视频三种模态数据，而无需依赖扩散模型或组合方...
智源 Emu3 证明多模态模型新范式：只需基于下一个 token 预测
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，这一模型仅通过预测下一个token，就能实现对文本、图像、视频三种模态数据的理解和生成，无需依赖...
SAM 2.1上新、Lingua代码库发布，一大波Meta开源工具来袭
Meta公司近期分享了一系列研究和模型，旨在推动高级机器智能（AMI）的发展，并促进开放科学和可复现性。这些研究涵盖了AMI的多个构建模块，如感知、语音和语...
长文本、语音、视觉、结构化数据全覆盖，中国移动九天善智多模态大模型震撼发布
中国移动在第十二届全球合作伙伴大会上发布了九天善智多模态基座大模型，标志着其在人工智能领域的全面升级。该模型以全栈国产化和复杂系统智能化为特点，展...
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...
