蚂蚁百灵大模型一号位：GPT-4o发布不意外，原生多模态方向已明
蚂蚁百灵大模型一号位：GPT-4o发布不意外，原生多模态方向已明与之前的版本相比，GPT-4o最大改进在于它在整合方面的精细度，它将所有模态集成在一个端到端的模型中（All in One）。
来自主题: AI技术研报
5850 点击 2024-05-15 21:51
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
与之前的版本相比，GPT-4o最大改进在于它在整合方面的精细度，它将所有模态集成在一个端到端的模型中（All in One）。
北京时间 5 月 14 日凌晨，备受期待的 OpenAI 春季更新发布会上，CTO Mira Murati 宣布发布新的模型迭代版本——GPT-4o，o 代表「omnimodel」（全能模型），原生多模态，改进了文本、视觉和音频的能力。
5月14日凌晨，OpenAI终于发布了Sam Altman提前造势的“Magic（魔法）”，主要包括三个重点发布，ChatGPT新UI、桌面版GPT、以及最重要的，新的多模态模型GPT-4o。
本文是对发表于模式识别领域顶刊Pattern Recognition 2024的最新综述论文：「Advancements in Point Cloud Data Augmentation for Deep Learning: A Survey 」的解读。
多模态 AI 无疑是今年大模型的发展重点之一，Sora、Midjourney、Suno 等文生视频、文生图、文生音乐赛道的代表产品也是用户的关注热点。
2023-2024年，以 GPT-4V、Gemini、Claude、LLaVA 为代表的多模态大模型（Multimodal LLMs）已经在文本和图像等多模态内容处理方面表现出了空前的能力，成为技术新浪潮。
多模态融合是多模态智能中的基础任务之一。
全球首个超小型多模态AI Agent模型Octopus V3，来自斯坦福大学的NEXA AI团队，让Agent更加智能、快速、能耗及成本降低。
随着 Llama 3 发布，未来大模型的参数量已飙升至惊人的 4000 亿。尽管每周几乎都有一个声称性能超强的大模型出来炸场，但 AI 应用还在等待属于它们的「ChatGPT 时刻」。其中，AI 智能体无疑是最被看好的赛道。
在过去一年中，通义千问系列模型持续开源。