标签：文本
视觉语言模型导论：这篇论文能成为你进军VLM的第一步
机器之心报道 编辑：Panda近些年，语言建模领域进展非凡。Llama 或 ChatGPT 等许多大型语言模型（LLM）有能力解决多种不同的任务，它们也正在成为越来越常用...
万字测评！开发者视角看智谱GLM-4-9B
智谱于 2024年6月5日发布了其新一代开源模型——GLM-4-9B，以 9B 的体量，同时支持了 128K 长上下文推理、26种语言多语言支持，且在多个经典评测任务上都实现了...
ICML 2024 Oral｜外部引导的深度聚类新范式
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心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...
CLIP当RNN用入选CVPR：无需训练即可分割无数概念｜牛津大学&谷歌研究院
K君 投稿量子位 | 公众号 QbitAI循环调用CLIP，无需额外训练就有效分割无数概念。 包括电影动漫人物，地标，品牌，和普通类别在内的任意短语。 牛津大学与谷...
多模态大模型不够灵活，谷歌DeepMind创新架构Zipper：分开训练再「压缩」
机器之心报道 编辑：蛋酱最近的一系列研究表明，纯解码器生成模型可以通过训练利用下一个 token 预测生成有用的表征，从而成功地生成多种模态（如音频、图像...
爆火ChatTTS突破开源语音天花板，3天斩获9k的Star量
机器之心报道 编辑：陈萍、佳琪未来人与人的交流，难道是这个样？近日，一个名为 ChatTTS 文本转语音项目爆火出圈，引来大家极大的关注。短短三天时间，在 Gi...
OCR小模型仍有机会！华科等提出VIMTS：零样本视频端到端识别新SOTA
新智元报道编辑：LRT 【新智元导读】通过提示查询生成模块和任务感知适配器，大一统框架VimTS在不同任务间实现更好的协同作用，显著提升了模型的泛化能力。该...
不影响输出质量还能追踪溯源，「大模型无偏水印」入选ICLR 2024 Spotlight
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心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...
任意模态输入输出？语音/文本/图像/音乐都拿下！ 复旦提出AnyGPT：序列建模的统一多模态 LLM
直播预告 | 5月28日10点，「智猩猩AI新青年讲座」第236讲正式开讲，密歇根大学安娜堡分校在读博士生张挥杰将直播讲解《利用多级框架和多解码器架构提高扩散模...
GPT模型的前世今生
大数据文摘授权转载自数据派THU 作者：李媛媛 1 GPT模型概述 GPT模型，全称Generative Pre-trained Transformer，由OpenAI团队开发，是一种基于深度学习的自...
Meta发布多模态模型Chameleon：34B、类GPT-4o、性能接近GPT-4V
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。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，都不尽相同。传...
另辟蹊径挑战GPT-4o！Meta首发混合模态大模型Chameleon
直播预告 | 5月23日晚7点，「智猩猩机器人新青年讲座」第6讲正式开讲，论文一作、清华大学在读博士郭旭东将直播讲解《大模型在具身多智能体合作中的研究进展...
首个中文原生DiT架构，已开源！大模型Hunyuan-DiT技术报告详解
直播预告 | 5月23日晚7点，「智猩猩机器人新青年讲座」第6讲正式开讲，论文一作、清华大学在读博士郭旭东将直播讲解《大模型在具身多智能体合作中的研究进展...
Meta首发「变色龙」挑战GPT-4o，34B参数引领多模态！10万亿token训练刷新SOTA
新智元报道编辑：桃子乔杨 【新智元导读】GPT-4o发布不到一周，首个敢于挑战王者的新模型诞生！最近，Meta团队发布了「混合模态」Chameleon，可以在单一神经...
StyleMamba：图片风格不满意？一句话就能调！
夕小瑶科技说 原创作者 | Axe_越你与哈利波特的距离，只剩一个StyleMamba！ “我想，把我的图变成朦胧马赛克” “我想，我的画能不能变成美美的莫奈风格” “我想...
粤公网安备 44011502001135号