让AI像人类一样借助多模态线索定位感兴趣的物体，有新招了！
来自主题: AI技术研报
6981 点击 2024-08-30 15:30
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
让AI像人类一样借助多模态线索定位感兴趣的物体，有新招了！
新的最强开源多模态大模型来了！
在体验上越来越接近人与人的自然交流。
Cisco 曾在 2018 年做过测算，全球已经有超过 75% 的数据是视频内容，互联网视频数据流量超过 50%。
以 GPT 为代表的大型语言模型预示着数字认知空间中通用人工智能的曙光。这些模型通过处理和生成自然语言，展示了强大的理解和推理能力，已经在多个领域展现出广泛的应用前景。无论是在内容生成、自动化客服、生产力工具、AI 搜索、还是在教育和医疗等领域，大型语言模型都在不断推动技术的进步和应用的普及。
随着大模型研究的深入，如何将其推广到更多的模态上已经成为了学术界和产业界的热点。最近发布的闭源大模型如 GPT-4o、Claude 3.5 等都已经具备了超强的图像理解能力，LLaVA-NeXT、MiniCPM、InternVL 等开源领域模型也展现出了越来越接近闭源的性能。
4秒看完2小时电影，阿里团队新成果正式亮相——
上海交通大学王德泉教授课题组在最新研究中提出了这样的一个问题。
谷歌版Her落地了！AI硬件全家桶深夜发布，现场提了近百次AI。
只用提示词，多模态大模型就能更懂场景中的人物关系了。