DeepSeek等团队新作JanusFlow: 1.3B大模型统一视觉理解和生成
DeepSeek等团队新作JanusFlow: 1.3B大模型统一视觉理解和生成在多模态AI领域，基于预训练视觉编码器与MLLM的方法（如LLaVA系列）在视觉理解任务上展现出卓越性能。
来自主题: AI技术研报
10175 点击 2024-11-22 15:54
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
在多模态AI领域，基于预训练视觉编码器与MLLM的方法（如LLaVA系列）在视觉理解任务上展现出卓越性能。
当你正在观看一部紧张刺激的动作电影，忽然好奇： “那个角色到底是在哪一集说的那句话？”
今天，如果你身边有这样一个对话大模型，它就像你身边的一个朋友，快言快语，风趣幽默，既会比喻，又会自嘲，偶尔跟你唱反调，你跟它的聊天欲望会不会更强一些呢？
谷歌和OpenAI又杠上了。
时隔5年，巴黎圣母院终于完成修复，将在12月7日重新开放。在这场耗资数亿欧元的浩大工程中，3D建模等关键AI技术发挥了关键作用，让历经800多年沧桑的教堂与现代科技完美融合。
Meta最近开源了一个7B尺寸的Spirit LM的多模态语言模型，能够理解和生成语音及文本，可以非常自然地在两种模式间转换，不仅能处理基本的语音转文本和文本转语音任务，还能捕捉和再现语音中的情感和风格。
最近，Jim Fan参与的一项研究推出了自动化数据生成系统DexMimicGen。该系统可基于少量人类演示，合成类人机器人的灵巧手运动轨迹，解决了训练数据集的获取难题，而且还提升了实验中机器人的表现。
就在刚刚，微软公布了世界最大AI Agent生态系统：现在，已经有十万家企业通过Copilot Studio创建智能体了。
人工智能虽然其提供了广泛的信息，却缺乏解决复杂问题所需的深入、结构化的推理能力，同时还存幻觉的局限。形式逻辑和相关数学工具为 AGI 的逻辑推理能力提供了必要的理论基础和技术支撑。
Teleo 自称是一家建筑机器人初创公司，但它的使命远不止于自动化挖掘机和拖拉机等重型设备。如今，Teleo 的改装机械使其客户能够半自主地操作现有车队。在未来，这家初创公司将其收集的数据视为机器人行业实现“ChatGPT 时刻”的关键推动力。