北大王选所：让多模态大模型更懂人类在做什么｜ECCV 2024
北大王选所：让多模态大模型更懂人类在做什么｜ECCV 2024只用提示词，多模态大模型就能更懂场景中的人物关系了。
来自主题: AI技术研报
9780 点击 2024-08-13 16:56
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
只用提示词，多模态大模型就能更懂场景中的人物关系了。
机器人多模态模型（RRMM）+双臂协作系统（RTACS）
硬件+多模态，AI儿童陪伴的主流路径
Mini-Monkey 是一个轻量级的多模态大型语言模型，通过采用多尺度自适应切分策略（MSAC）和尺度压缩机制（SCM），有效缓解了传统图像切分策略带来的锯齿效应，提升了模型在高分辨率图像处理和文档理解任务的性能。它在多项基准测试中取得了领先的成绩，证明了其在多模态理解和文档智能领域的潜力。
在过去的几年中，大型语言模型（Large Language Models, LLMs）在自然语言处理（NLP）领域取得了突破性的进展。这些模型不仅能够理解复杂的语境，还能够生成连贯且逻辑严谨的文本。
混合专家，也得术业有专攻。
多模态大语言模型 (Multimodal Large Language Moodel, MLLM) 以其强大的语言理解能力和生成能力，在各个领域取得了巨大成功。
假如你目前正在使用和研究类似CAMEL的多智能体系统，现在已经有了扮演研究者的Agent和负责写论文的Agent，再添加一个事实核查Agent会改善结果吗？
国产大模型，多模态能力都开始超越GPT-4-Turbo了？？
LLM的数学推理能力缺陷得到了很多研究的关注，但最近浙大、中科院等机构的学者们提出，先进模型在视觉推理方面同样不足。为此他们提出了一种多模态的视觉推理基准，并设计了一种新颖的数据合成方法。