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
2621 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。
OpenAI 发布了备受期待的搜索产品，ChatGPT 搜索，以挑战谷歌。业界已经为这一时刻准备了几个月，这促使谷歌在今年早些时候将 AI 生成的答案注入其核心产品，并在此过程中产生了一些尴尬的幻觉。这一失误让许多人相信 OpenAI 的搜索引擎将真正成为“谷歌大杀器”。
万万没想到，现在的国产AI搜索，竟然让我成功读懂了陶哲轩推荐的论文。
OpenAI满血版o1即将出世的消息，让科技圈瞬间沸腾！就连奥特曼本人透露，推理是OpenAI笃定的一个重要未来，o系列模型将在未来快速迭代。
不确定是不是 OpenAI 又在狙击谷歌，ChatGPT 爆改 AI 搜索引擎只比谷歌的竞品迟到了一分钟。
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。
中国企业对于生成式AI应用场景的了解都来自于ChatGPT的传说，但中国企业能使用的GenAI资源与ChatGPT却没有关系。直截了当地说，中国企业目前能够使用的GenAI资源都比GPT-4要差很多，注意不是“有差距”，而是“差很多”，这是中国企业考虑生成式AI问题的基本前提。
在人工智能领域，大型预训练模型（如 GPT 和 LLaVA）的 “幻觉” 现象常被视为一个难以克服的挑战，尤其是在执行精确任务如图像分割时。
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。
一年多前，ChatGPT 刚冒头的时候，我跟几个老板分享过我的「一人公司」+AI 的一些思路，刚才我翻了以下，大部分内容依然有效，总的来说是两块儿：围绕 AI 进行的内容 + 围绕 AI 开发的工具。