-
AI-modeller og platforme 11. oktober 2024SHOW-O: En transformer, der integrerer multimodal forståelse og generering
Signifikante fremskridt i store sprogmodeller (LLM’er) har inspireret udviklingen af multimodale store sprogmodeller (MLLM’er). Tidlige MLLM-forsøg, såsom LLaVA, MiniGPT-4 og InstructBLIP, demonstrerer bemærkelsesværd...
-
AI-modeller og platforme 10. september 2024ØRN: Udnyttelse af en blanding af encodere til at udforske designrummet for multimodale store sprogmodeller
Evnen til nøjagtigt at fortolke komplekse visuelle oplysninger er et afgørende fokusområde for multimodale store sprogmodeller (MLLM’er). Seneste arbejde viser, at forbedret visuel perception betydeligt reducerer...
-
AI-modeller og platforme 9. september 2024Sapiens: Gennembrud i Menneskelige Visionmodeller
Den bemærkelsesværdige succes med storstile pretraining fulgt af opgave-specifik finjustering for sprogmodellering har etableret denne tilgang som en standardpraksis. Lignende computer vision metoder er progressivt ve...
-
AI-modeller og platforme 6. august 2024SGLang: Effektiv udførelse af strukturerede sprogmodelprogrammer
Store sprogmodeller (LLM’er) anvendes i stigende grad til komplekse opgaver, der kræver multiple generation-kald, avancerede prompt-teknikker, kontrolflow og strukturerede input/output. Men effektive systemer til prog...
-
AI-modeller og platforme 16. juli 2024DIAMOND: Visuelt detaljer er afgørende i Atari og Diffusion til verdensmodel
Det var i 2018, da idéen om forstærkninglæring i sammenhæng med en neural netværksverdensmodel først blev introduceret, og snart blev denne grundlæggende princip anvendt på verdensmodeller....
-
AI-modeller og platforme 6. juni 2024LLaVA-UHD: Effektivt opfatter billeder i enhver billedforhold og høj opløsning
Den seneste fremgang og udvikling af store sprogmodeller har oplevet en betydelig øgning i vision-sprog-forståelse, -forståelse og interaktionsmuligheder. Moderne rammer opnår dette ved at projicere visuelle...
