VPiT

统一视觉理解与生成，MetaMorph模型问世，LeCun、谢赛宁、刘壮等参与

如今，多模态大模型（MLLM）已经在视觉理解领域取得了长足进步，其中视觉指令调整方法已被广泛应用。该方法是具有数据和计算效率方面的优势，其有效性表明大语言模型（LLM）拥有了大量固有的视觉知识，使得它们能够在指令调整过程中有效地学习和发展视觉理解。在 Meta 和纽约大学合作的一篇论文中，研究者探究了 LLM 是否也可以通过微调来生成具有同等效率和有效性的视觉信息？

12/21/2024 10:04:00 AM

机器之心

资讯热榜

蚂蚁集团携手北医三院成立AI医疗联合实验室打造专属AI就医助理 AI工具如何成为时间和成本的陷阱多模态新旗舰MiniCPM-V 4.5：8B 性能超越 72B，高刷视频理解又准又快宾州州立大学推出首个人工智能工程学位，抢占教育先机刚刚，好莱坞特效师展示AI生成的中文科幻大片，成本只有330元 Meta 新超级智能实验室遭遇离职潮，AI 人才流失引发担忧联合国成立人工智能咨询小组开发者写代码仅占16%!MCP 协议或让 IDE 成为新“生产力中心”

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌机器人数据大模型 Midjourney 开源智能用户 Meta 微软 GPT 学习技术图像 Gemini 马斯克 AI创作智能体英伟达论文 Anthropic 代码训练算法 AI新词 Stable Diffusion 芯片 LLM 蛋白质腾讯开发者苹果 Claude 生成式 Agent AI for Science 神经网络 3D 机器学习研究生成 xAI 人形机器人 AI视频计算 Sora 百度 GPU AI设计华为工具大语言模型 RAG 搜索具身智能字节跳动大型语言模型场景深度学习预测伟达视觉视频生成 Transformer AGI 架构亚马逊神器推荐 Copilot DeepMind 特斯拉应用