新闻动态
-
202406-25
- 太全了！苹果上新视觉模型4M-21，搞定
- 当前的多模态和多任务基础模型，如**4M**或**UnifiedIO**，显示出有希望的结果。然而，它们接受不同输入和执行不同任务的开箱即用能力，受到它们接受训...
-
202406-18
- 字节豆包、武大提出 CAL：通过视觉相关
- AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传...
-
202405-25
- Meta首发「变色龙」挑战GPT-4o，
- GPT-4o的横空出世，再次创立了一个多模态模型发展的新范式！为什么这么说？OpenAI将其称为「首个『原生』多模态」模型，意味着GPT-4o与以往所有的模型，...
-
202405-24
- HuggingFace教你怎样做出SOT
- 前有OpenAI的GPT-4o，后有谷歌的系列王炸，先进的多模态大模型接连炸场。其他从业者在震撼之余，也再次开始思考怎么追赶这些超级模型了。在这篇Hugging...
-
202405-24
- Ilya离职后第一个动作：点赞了这篇论文
- 自IlyaSutskever官宣离职OpenAI后，他的下一步动作成了大家关注焦点。甚至有人密切关注着他的一举一动。这不，Ilya前脚刚刚点赞❤️了一篇新论文—...
-
202405-23
- 一文读懂 GPT-4o vs GPT-4
- Hellofolks，我是Luga，今天我们来聊一下人工智能(AI)生态领域相关的技术-GPT-4o模型。在2024年5月13日，OpenAI创新性地推出了其最...
-
202405-13
- DiT架构大一统：一个框架集成图像、视频
- 基于DiffusionTransformer（DiT）又迎来一大力作「Flag-DiT」，这次要将图像、视频、音频和3D「一网打尽」。今年2月初，Sora的发布...
-
202405-02
- 参数量不到10亿的OctopusV3，如
- 多模态AI系统的特点在于能够处理和学习包括自然语言、视觉、音频等各种类型的数据，从而指导其行为决策。近期，将视觉数据纳入大型语言模型（如GPT-4V）的研究取得...
