当前主流的视觉语言模型（VLM）主要基于大语言模型（LLM）进一步微调。因此需要通过各种方式将图像映射到 LLM 的嵌入空间，然后使用自回归方式根据图像 token 预测答案。
来自主题: AI技术研报
7847 点击 2024-06-17 19:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
当前主流的视觉语言模型（VLM）主要基于大语言模型（LLM）进一步微调。因此需要通过各种方式将图像映射到 LLM 的嵌入空间，然后使用自回归方式根据图像 token 预测答案。
字节的豆包，悄悄成了国内用户最多的原生 AI 应用。
我是万万没想到，现在的AI内容生态，居然也活成了一种“赛博投喂”的无限循环。
走慢了怕赶不及，走快了怕拉伤。
当前，多模态大模型 （MLLM）在多项视觉任务上展现出了强大的认知理解能力。 然而大部分多模态大模型局限于单向的图像理解，难以将理解的内容映射回图像上。 比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。 定位能力的缺失直接限制了多模态大模型在图像编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式Groma
36氪从多个独立信源处获悉，字节跳动大语言模型研发技术专家杨红霞，已于近日从字节跳动离职，并开始筹备AI创业项目。
字节大模型团队，终于曝光！ 这不是，字节刚刚启动大模型校招计划，招揽人才嘛—— 计划取名Top Seed，薪资TOP级别、算力数据管够，但仅面向应届博士生；前沿课题覆盖大模型、图像&视频生成、机器学习算法和系统以及音频生成和理解等方向。 另外还有一帮顶尖的技术导师团带队……等等，这不就是字节豆包大模型的背后团队吗？
近期，火山引擎官网更新了豆包大模型的定价详情，全面展示豆包通用模型不同版本、不同规格的价格信息。
内容产业首当其冲。
整个 2023 年，字节并没有对外官宣其内部自研的大模型。外界一度认为，大模型这一技术变革，字节入场晚了。梁汝波在去年底的年会上也提到了这一点，他表示「字节对技术的敏感度不如创业公司，直到 2023 年才开始讨论 GPT。」