走在GPT 4.5前面?3D、视频直接扔进对话框,大模型掌握跨模态推理

AIGC动态11个月前发布 机器之心
26 0 0

走在GPT 4.5前面?3D、视频直接扔进对话框,大模型掌握跨模态推理

AIGC动态欢迎阅读

原标题:走在GPT 4.5前面?3D、视频直接扔进对话框,大模型掌握跨模态推理

关键字:模型,数据,解读,能力,音频

文章来源:机器之心

内容字数:8603字

内容摘要:机器之心报道编辑:Panda W最近,有人在社交媒体上发布了一张有关 GPT4.5 更新的截图。图中内容显示,和 GPT 系列之前推出的模型相比,GPT4.5 最大的惊喜可能就是处理 3D 和视频的能力。至于 3D 能力到底是指看得懂 3D 图像,还是能输入 3D 模型,目前只能靠猜。OpenAI CEO Sam Altman 随后否认了该截图的真实性,GPT4.5 的具体能力依然是一个谜。不过,在众多研究中,确实已经有大模型实现了多个模态同时处理,甚至连视频、3D 模型也囊括了进来。给你一首曲子的音频和一件乐器的 3D 模型,然后问你这件乐器能否演奏出这首曲子。你可以通过听觉来辨认这首曲子的音色,看它是钢琴曲还是小提琴曲又或是来自吉他;同时用视觉识别那是件什么乐器。然后你就能得到问题的答案。但语言模型有能力办到这一点吗?实际上,这个任务所需的能力名为跨模态推理,也是当今多模态大模型研究热…

原文链接:点此阅读原文:走在GPT 4.5前面?3D、视频直接扔进对话框,大模型掌握跨模态推理

联系作者

文章来源:机器之心

作者微信:almosthuman2014

作者简介:专业的人工智能媒体和产业服务平台

阅读原文
© 版权声明

相关文章

暂无评论

暂无评论...