内容持续更新中
“未来的通用人工智能一定是多模态智能。” 作者：王咏刚，SeedV实验室创始人/CEO，创新工场AI工程院执行院长 编者按：ChatGPT/GPT-4的横空出世，已经彻底改变了NLP领域的研究态势，并…
代码已开源 转载自 沁园夏量子位 | 公众号 QbitAI 大模型“识图”能力都这么强了，为啥还老找错东西？ 例如，把长得不太像的蝙蝠和拍子搞混，又或是认不出一些数据集中的稀有鱼类…… 这是因为，我们…
还能一键Markdown 国科大&旷视团队 投稿 量子位 | 公众号 QbitAI 想将一份文档图片转换成Markdown格式？ 以往这一任务需要文本识别、布局检测和排序、公式表格处理、文本清…
离元宇宙又近一步？ 梦晨 发自 凹非寺量子位 | 公众号 QbitAI Meta最新6模态大模型，让AI以更接近人类的方式理解这个世界。 比如当你听见倒水声的时候就会想到杯子，听到闹铃声会想到闹钟，现…
可即插即用 丰色 发自 凹非寺 量子位 | 公众号 QbitAI 还在用指令微调解决多模态大模型的“幻觉”问题吗？ 比如下图中模型将橙色柯基错认为“红狗”，还指出周围还有几条。 现在，中科大的一项研究…
走通大模型“必经之路” 萧箫 发自 凹非寺量子位 | 公众号 QbitAI 多模态大模型，终于迎来“大一统”时刻！ 从声音、文字、图像到视频，所有模态被彻底打通，如同人脑一般，实现了真正意义上的任意输…
还自建首个有深度和红外的大规模多模态数据集 AI4Happiness 投稿 量子位 | 公众号 QbitAI 北大联合腾讯打造了一个多模态15边形战士！ 以语言为中心，“拳打脚踢”视频、音频、深度、红…
还有开放服务平台 梦晨 发自 凹非寺量子位 | 公众号 QbitAI 大模型搞多模态，做文字、图像、音视频这几样就够了？ 中科院自动化所说不： 我们还加入了3D点云和更多传感器信号。 国产大模型新成员…
3天训完130亿参数通用VLM 一个北大投稿 发送至 凹非寺 量子位 | 公众号 QbitAI 训完130亿参数通用视觉语言大模型，只需3天！ 北大和中山大学团队又出招了——在最新研究中，研究团队提出…
还认识班卓琴？ 西风 发自 凹非寺量子位 | 公众号 QbitAI 字节大模型，BuboGPT来了。 支持文本、图像、音频三种模态，做到细粒度的多模态联合理解。 答哪指哪，什么讲了什么没讲，一目了然：…
