无需参数访问！CMU用大模型自动优化视觉语言提示词 | CVPR’24
无需参数访问！CMU用大模型自动优化视觉语言提示词 | CVPR’24视觉语言模型（如 GPT-4o、DALL-E 3）通常拥有数十亿参数，且模型权重不公开，使得传统的白盒优化方法（如反向传播）难以实施。
来自主题: AI技术研报
2561 点击 2024-11-05 15:28
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
视觉语言模型（如 GPT-4o、DALL-E 3）通常拥有数十亿参数，且模型权重不公开，使得传统的白盒优化方法（如反向传播）难以实施。
与最先进的开源方法甚至闭源模型 GPT-4o 相比，MMedAgent 在各种医疗任务中实现了卓越的性能。此外，MMedAgent 在更新和集成新医疗工具方面表现出效率。
一群大模型玩你画我猜，人类一旁围观超起劲儿。 就像下面这张图展示的，由Grok画长颈鹿，一堆大模型根据生成内容猜答案。参赛选手包括GPT-4o、Claude、Llama、Gemini、Grok等。
国产大模型首次在国际最具挑战的“大模型竞技场”榜单上超过GPT-4o（5月版本），当零一万物的名字紧跟在OpenAI、Google之后，李开复却如是坦言。
GPT-4o 的语音演示，引燃了行业对于 AI 产品语音实时交互的想象，完全实时、可随时打断的 AI 助手，正成为新的 趋势。
GPT-4o 四月发布会掀起了视频理解的热潮，而开源领军者Qwen2也对视频毫不手软，在各个视频评测基准上狠狠秀了一把肌肉。
GPT-4o的高级语音模式让我们看到了AI也可以具备低延迟且自然流畅的对话能力。丝滑的体验让智能助手真正摆脱了“智障”的帽子，科幻电影《Her》中的场景，走进了现实。
马斯克终于兑现8月承诺了，xAI API正式上线。不过，价格却是GPT-4o两倍。
把《我的世界》交给大模型，会怎么样？
昨天，Kimi突然给我打了个电话，我这才发现自己被“灰度”了。 灰度测试的内容是Kimi的语音通话功能。 现在进入Kimi App，就能看到底部问答框旁边多了一个电话的图标，点击即可发起语音通话。