AI资讯新闻榜单内容搜索-多模态大模型

关键词: PixelLM,字节AI,多模态PixelLM

目前大多数模型的能力还是局限于生成对整体图像或特定区域的文本描述，在像素级理解方面的能力（例如物体分割）相对有限。

关键词: 九天多模态大模型,若愚科技,机器人大模型

若愚科技与哈工深联合研发了语言大模型基座---立知和多模态大模型基座---九天，总参数规模达130亿，训练数据超1500B tokens, 能完成多任务、多轮对话、中英翻译、思维链、工具使用等多种类型的指令数据

关键词: OCR,Vary,多模态

想将一份文档图片转换成Markdown格式？这一次，只需一句话命令，多模态大模型Vary直接端到端输出结果：

关键词: Gemini,谷歌AI,多模态大模型

身价1050亿美元，每天还在亲自动手敲代码！？就连谷歌最新大招Gemini大模型的核心贡献者名单中，也有他的名字。

关键词: mPLUG-Owl,MLLM,SOTA

OpenAI GPT-4V 和 Google Gemini 都展现了非常强的多模态理解能力，推动了多模态大模型（MLLM）快速发展，MLLM 成为了现在业界最热的研究方向。

关键词: 面壁智能,RLHF-V,多模态对齐框架,MLLM,多模态大模型

多模态技术是 AI 多样化场景应用的重要基础，多模态大模型（MLLM）展现出了优秀的多模态信息理解和推理能力，正成为人工智能研究的前沿热点。上周，谷歌发布 AI 大模型 Gemini，据称其性能在多模态任务上已全面超越 OpenAI 的 GPT-4V，再次引发行业的广泛关注和热议。

关键词: AI医疗,瑞金医学大模型矩阵,RJH-Base,RJH-Med,医疗大模型

12月15日，上海交通大学医学院附属瑞金医院正式发布瑞金医学大模型矩阵，涵盖RJH-Base基座大模型、RJH-Med应用大模型，以及多模态大模型，并携手上海人工智能实验室、腾讯等建设可持续发展的医学大模型应用生态，实践以数据、知识、算法、模型为关键驱动的医学AI新范式。

关键词: GPT-4.5

OpenAI GPT-4.5 遭泄露，我们即将见识「加强版」多模态大模型

关键词: Ai视频,AI电影,LLaMA-VID,多模态大模型

啥？AI都能自己看电影大片了？贾佳亚团队最新研究成果，让大模型直接学会了处理超长视频。

关键词: 多模态大模型,APE,视觉基础模型

用多模态大模型来做语义分割，效果有多好？一张图+文字输入想分割的物体，大模型几秒钟就能识别并搞定！