AI资讯新闻榜单内容搜索-多模态

关键词: openai,AI,草莓,chatGPT

ChatGPT 要进化了？

关键词: GPT-4V,AI,JHU,ToM,心智能力,模型训练

本文第一作者为 Chuanyang Jin (金川杨)，本科毕业于纽约大学，即将前往 JHU 读博。本文为他本科期间在 MIT 访问时的工作，他是最年轻的杰出论文奖获得者之一。

关键词: OCR模型,端到端模型,AI,多模态模型,GOT

在AI-2.0时代，OCR模型的研究难道到头了吗！？

关键词: AI,提示工程,PAS,提示词

论文共同第一作者郑淼，来自于周泽南领导的百川对齐团队，毕业于北京大学，研究方向包括大语言模型、多模态学习以及计算机视觉等，曾主导MMFlow等开源项目。

关键词: openai,AI,大模型,Scaling Law

大模型时代，有个大家普遍焦虑的问题：如何落地?往哪落地?

关键词: GPT-4,AI,多模态,模型训练,AL-Ref-SAM 2

免训练多模态分割领域有了新突破！

关键词: Mini-Omni,AI,语音对话模型,开源模型,TTS

本文出自启元世界多模态算法组，共同一作是来自清华大学的一年级硕士生谢之非与启元世界多模态负责人吴昌桥，研究兴趣为多模态大模型、LLM Agents 等。本论文上线几天内在 github 上斩获 1000+ 星标。

关键词: Gemini 1.5 Pro,AI,视频理解智能体,智能体,模型训练

视频理解仍然是计算机视觉和人工智能领域的一个主要挑战。最近在视频理解上的许多进展都是通过端到端地训练多模态大语言模型实现的[1,2,3]。然而，当这些模型处理较长的视频时，内存消耗可能会显著增加，甚至变得难以承受，并且自注意力机制有时可能难以捕捉长程关系 [4]。这些问题阻碍了将端到端模型进一步应用于视频理解。

关键词: 多模态,AI,智能体,模型训练,强化学习

近日，由北京大学人工智能研究院杨耀东课题组牵头完成的研究成果 ——「大规模多智能体系统的高效强化学习」在人工智能顶级学术期刊 Nature Machine Intelligence 上发表。

关键词: 多模态,LLM,self-play,openai

头部模型的新一代模型的是市场观测、理解 LLM 走向的风向标。即将发布的 OpenAI GPT-Next 和 Anthropic Claude 3.5 Opus 无疑是 AGI 下半场最关键的事件。