让视觉语言模型搞空间推理，谷歌又整新活了
让视觉语言模型搞空间推理，谷歌又整新活了视觉语言模型虽然强大，但缺乏空间推理能力，最近 Google 的新论文说它的 SpatialVLM 可以做，看看他们是怎么做的。
来自主题: AI技术研报
8999 点击 2024-02-18 15:10
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
视觉语言模型虽然强大，但缺乏空间推理能力，最近 Google 的新论文说它的 SpatialVLM 可以做，看看他们是怎么做的。
这两天，几乎整个AI圈的目光都被OpenAI发布Sora模型的新闻吸引了去。其实还有件事也值得关注，那就是Google继上周官宣Gemini 1.0 Ultra 后，火速推出下一代人工智能模型Gemini 1.5。
刚刚，我们经历了LLM划时代的一夜。谷歌又在深夜发炸弹，Gemini Ultra发布还没几天，Gemini 1.5就来了。卯足劲和OpenAI微软一较高下的谷歌，开始进入了高产模式。
为了应对大模型不断复杂的推理和训练，英伟达、AMD、英特尔、谷歌、微软、Meta、Arm、高通、MatX以及Lemurian Labs，纷纷开始研发全新的硬件解决方案。
该团队的新模型在多个基准测试中都与 Gemini Pro 、GPT-3.5 相媲美。
谷歌Gemini迎来重大更新，包括Gemini Ultra和Gemini Advanced服务的发布，以及Bard品牌消失，Gemini成为唯一品牌。Gemini Ultra全面进入谷歌生态产品，并在多学科复杂知识的理解和处理上取得了优秀成绩。
大型语言模型（LLM）的成功离不开「基于人类反馈的强化学习（RLHF）」。RLHF 可以大致可以分为两个阶段，首先，给定一对偏好和不偏好的行为，训练一个奖励模型，通过分类目标为前者分配更高的分数。
生成式AI的诞生，为芯片设计开启了另一条路。现在不论是英伟达等科技公司，还是学术界，都在试图研发出能够完全自主设计芯片的AI系统。
谷歌推出Gemini大规模商业化，将其聊天机器人Bard改名为Gemini，并推出Gemini的Android版App。谷歌还将Gemini的能力加入iOS的Google App中，并免费向公众开放。Gemini还可替代原来的Google Assistant成为手机的默认语言助手。
刚刚，Google推出计划，用户可以每月花 19.99 美金订阅 Google One AI Premium，使用支持 Gemini 的 Gmail、Docs，Sheets，Slides 和 Meet——也就是说，你可以在谷歌办公全家桶中畅享 Gemini 的 AI 功能了。