X-InstructBLIP
走在GPT 4.5前面？3D、视频直接扔进对话框，大模型掌握跨模态推理
最近，有人在社交媒体上发布了一张有关 GPT4.5 更新的截图。图中内容显示，和 GPT 系列之前推出的模型相比，GPT4.5 最大的惊喜可能就是处理 3D 和视频的能力。至于 3D 能力到底是指看得懂 3D 图像，还是能输入 3D 模型，目前只能靠猜。OpenAI CEO Sam Altman 随后否认了该截图的真实性，GPT4.5 的具体能力依然是一个谜。不过，在众多研究中，确实已经有大模型实现了多个模态同时处理，甚至连视频、3D 模型也囊括了进来。给你一首曲子的音频和一件乐器的 3D 模型，然后问你这件乐器能
12/18/2023 3:44:00 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
类 Mac Mini 大小的个人 AI 超算：英伟达 Project Digits 发布，起价 3000 美元
3 到 5 秒即可同声传译 40 余种语言，时空壶推出 W4 Pro 实时翻译耳机
GPT-4o最自私，Claude更慷慨！DeepMind发布全新「AI道德测试」
OpenAI最大秘密，竟被中国研究者破解？复旦等惊人揭秘o1路线图
全网都在扒的DeepSeek团队，是清北应届生撑起一片天
【LLM&Agent】PPTAgent：PPT自动生成Agent框架
奥特曼回应一切：宫斗、马斯克、ChatGPT两周年
标签云
AI
模型
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
生成
训练
谷歌
视频
智能
学习
Midjourney
GPT
大模型
用户
AI创作
LLM
图像
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
3D
GPU
预测
模态
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
视频生成
苹果
科技
AI应用场景
应用
百度
写作
特斯拉
机器
安全
具身智能
Copilot
AI for Science
语音
prompt
视觉