微软研究院
轻量开源！微软基础模型LLaVA-Rad：自动生成高质量放射学报告
编辑丨coisini多模态生成式人工智能的最新进展已将生物医学应用扩展到同时处理文本和图像，在视觉问答和放射学报告生成等任务中展现出潜力。 然而，这些模型在临床实现中面临挑战，特别是大型模型在计算成本等方面带来了部署难题。 小型多模态模型（SMM）虽然更高效，但与大型模型相比仍存在显著性能差距。
微软教小模型推理进阶版：Orca 2性能媲美10倍参数模型，已开源
站在巨人的肩膀上会让你看的更远，而通过让大规模语言模型来「教」较小规模的语言模型进行推理，也会是事半功倍的效果。如你我所见，像 GPT-4、PaLM 等前沿语言模型已经展现了出色的推理能力，例如回答复杂问题、生成解释，甚至解决需要多步推理的问题，这些能力曾被认为是 AI 无法达到的。这样的能力在较小的语言模型中并不明显，因此现在的挑战就是如何利用对大型语言模型不断增长的知识，进而提升较小模型的能力。之前微软研究院推出了 Orca，它是拥有 130 亿参数的语言模型，通过模仿更强大 LLM 的逐步推理过程，展现了强大
- 1