MiniCPM-o 2.6：面壁智能开源多模态大模型，仅8B参数量就能媲美GPT-4o，支持实时交互，在ipad等终端设备上运行
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！ 微信公众号｜搜一搜：蚝油菜花 快速阅读 性能表现：MiniCPM-o 2.6 在视觉、语音和多模态直播领域表现出色，性能媲美GPT-4o。 功能特点：支持实时双语语音识别、情感/语速/风格控制、端...
8B文字多模态大模型指标逼近GPT4V，字节、华师、华科联合提出TextSquare
在人工智能领域，多模态大模型的发展一直备受关注。最近，由字节跳动、华东师范大学和华中科技大学联合研究团队提出的TextSquare模型，在文字多模态视觉问答（VQA）任务上取得了令人瞩目的成绩。 TextSquare模型是一种基于大规模语言模型的文本中心视觉问答模型。它通过使用一种名为Square-10M的大规模、高质量指令微...
达摩院猫头鹰mPLUG-Owl亮相：模块化多模态大模型，追赶GPT-4多模态能力
机器之心编辑部纯文本大模型方兴未艾，多模态领域也开始涌现出多模态大模型工作，地表最强的 GPT-4 具备读图的多模态能力，但是迟迟未向公众开放体验，于是乎研究社区开始在这个方向上发力研究并开源。MiniGPT-4 和 LLaVA 问世不久，阿里达摩院便推出 mPLUG-Owl ，一个基于模块化实现的多模态大模型。mPLUG-Owl 是阿⾥巴巴达摩院 mPLUG 系列的最新工作，延续了 mPLUG....
威大哥大等联合发文！最新多模态大模型LLaVA问世，水平直逼GPT-4
新智元报道 编辑：拉燕【新智元导读】微软&哥大联合发表视觉指令微调论文，LLaVA出炉！视觉指令微调火了。这篇论文名为Visual Instruction Tuning，由威斯康星大学麦迪逊分校，微软研究院和哥伦比亚大学共同出品。作者包括Haotian Liu，Chunyuan Li，Qingyang Wu和Yong Jae Lee。同时，研究人员也在GitHub....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。