Square-10M
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
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：[email protected]；[email protected]。近期，多模态大模型 (MLLM) 在文本中心的 VQA 领域取得了显著进展，尤其是多个闭源模型，例如：GPT4V 和 Gemini，甚至在某些方面展现了超越人类能力的表现。但是开源模型的
4/25/2024 2:19:00 PM
机器之心
- 1
资讯热榜
罗永浩 Jarvis 初创项目“J1 Assistant AI 助理”上线，利用语音与大模型互动
SK 海力士宣布参展 CES 2025，将展示 122TB 企业级固态硬盘等产品
阿里云与黑芝麻智能完成大模型车载芯片级适配
突破非视距条件依赖！大规模区域、低成本的UWB-LiDAR标定与单次定位框架
清华大学推 AutoDroid-V2：AI 离线在线协同，优化移动端自动化 GUI 控制
类 Mac Mini 大小的个人 AI 超算：英伟达 Project Digits 发布，起价 3000 美元
斯坦福AI科研神器开源，一键成文GPT-4o mini加持！科研写作彻底解放双手
啥玩意值8499元？马斯克在线打call，国产AI威震天秒售罄
标签云
AI
模型
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
生成
谷歌
训练
视频
智能
学习
Midjourney
GPT
大模型
用户
AI创作
图像
LLM
微软
开源
技术
Meta
论文
Stable Diffusion
生成式
算法
蛋白质
芯片
马斯克
计算
神经网络
AI设计
Gemini
Sora
研究
腾讯
课程
代码
开发者
场景
伟达
GPU
3D
模态
预测
Transformer
华为
文本
驾驶
英伟达
神器推荐
机器学习
AI视频
语言
干货合集
LLaMA
深度学习
2024
算力
搜索
苹果
科技
视频生成
AI应用场景
应用
百度
写作
机器
特斯拉
安全
具身智能
Copilot
AI for Science
语音
prompt
AGI