AI资讯新闻榜单内容搜索-开源多模态

关键词: Molmo,Scaling law,GPT-4o,AI,大模型

Molmo，开源多模态模型正在发力！

关键词: Oryx,多模态,OryxViT,AI,多模态模型

视觉数据的种类极其多样，囊括像素级别的图标到数小时的视频。现有的多模态大语言模型（MLLM）通常将视觉输入进行分辨率的标准化或进行动态切分等操作，以便视觉编码器处理。然而，这些方法对多模态理解并不理想，在处理不同长度的视觉输入时效率较低。

关键词: 多模态,AI,Qwen2-VL,阿里大模型,阿里AI

新的最强开源多模态大模型来了！

关键词: AI,多模态,模型训练,多模态数据集

开源多模态大模型或将开始腾飞。

关键词: Moshi,GPT-4o,多模态,Kyutai

最近，一个对标 GPT-4o 的开源实时语音多模态模型火了。

关键词: GPT-4V,MiniCPM-V,Hugging Face,GitHub

近期，由清华大学自然语言处理实验室联合面壁智能推出的全新开源多模态大模型 MiniCPM-Llama3-V 2.5 引起了广泛关注

关键词: 多模态,模型训练,GPT-4v,CogVLM2,智谱AI

开源多模态SOTA模型再易主！Hugging Face开发者大使刚刚把王冠交给了CogVLM2，来自大模型创业公司智谱AI。CogVLM2甚至在3项基准测试上超过GPT-4v和Gemini Pro，还不是超过一点，是大幅领先。

关键词: MM-Interleaved,多模态模型,特征同步器,模型训练

过去几个月中，随着 GPT-4V、DALL-E 3、Gemini 等重磅工作的相继推出，「AGI 的下一步」—— 多模态生成大模型迅速成为全球学者瞩目的焦点。

关键词: 医疗大模型,RadFM

本文中，上海交大 & 上海 AI Lab 发布 Radiology Foundation Model (RadFM)，开源 14B 多模态医疗基础模型，首次支持 2D/3D 放射影像输入。

关键词: GPT-4V,LLaVA-1.5,A100

GPT-4V风头正盛，LLaVA-1.5就来踢馆了！它不仅在11个基准测试上都实现了SOTA，而且13B模型的训练，只用8个A100就可以在1天内完成。