Mirasol3B
规模小、效率高：DeepMind推出多模态解决方案Mirasol 3B
性能优于规模更大的模型。多模态学习面临的主要挑战之一是需要融合文本、音频、视频等异构的模态，多模态模型需要组合不同来源的信号。然而，这些模态具有不同的特征，很难通过单一模型来组合。例如，视频和文本具有不同的采样率。最近，来自 Google DeepMind 的研究团队将多模态模型解耦成多个独立的、专门的自回归模型，根据各种模态的特征来处理输入。具体来说，该研究提出了多模态模型 Mirasol3B。Mirasol3B 由时间同步模态（音频和视频）自回归组件，以及用于上下文模态的自回归组件组成。这些模态不一定在时间上对
11/28/2023 2:43:00 PM
机器之心
- 1
资讯热榜
使用 VLLM 部署 DeepSeek：基于 Ubuntu 22.04 + RTX 4090 + Docker 的完整指南
RAGFlow自动化脚本套件：自定义解析+回答质量评估+参数自动调优
DeepSeek官方澄清：R2模型3月17日发布传闻为假消息
百度AI开源表格识别模型PP-TableMagic
OpenAI突然发布智能体API！支持网络和文件搜索以及computer use
32B IOI奥赛击败DeepSeek-R1！Open R1开源复刻第三弹，下一步R1-Zero
FP8模型不再挑卡！DeepSeek推理成本减半速度翻番，清华团队开源「赤兔」推理引擎
清华团队开源 “赤兔 Chitu” 推理引擎，助力国产 AI 生态发展
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
数据
机器人
谷歌
大模型
Midjourney
智能
模型
用户
学习
GPT
开源
微软
AI创作
图像
Meta
技术
论文
Stable Diffusion
马斯克
算法
生成式
蛋白质
芯片
Gemini
代码
神经网络
腾讯
计算
研究
Sora
AI设计
3D
AI for Science
英伟达
GPU
开发者
机器学习
场景
预测
华为
伟达
Anthropic
Transformer
模态
百度
深度学习
AI视频
驾驶
文本
苹果
搜索
神器推荐
算力
LLaMA
Copilot
xAI
安全
科技
视频生成
应用
人形机器人
字节跳动
具身智能
干货合集
2024
视觉
大语言模型
AGI
特斯拉
亚马逊
语音
Claude
AI应用场景