-
KI-Modelle und Plattformen 11. Oktober 2024SHOW-O: Ein Single-Transformer, der Multimodale Verständnis und Generierung vereint
Erhebliche Fortschritte in großen Sprachmodellen (LLMs) haben die Entwicklung von multimodalen großen Sprachmodellen (MLLMs) inspiriert. Frühe MLLM-Bemühungen, wie LLaVA, MiniGPT-4 und InstructBLIP, zeigen bemerkenswe...
-
KI-Modelle und Plattformen 10. September 2024EAGLE: Erforschung des Designraums für Multimodale Große Sprachmodelle mit einer Mischung von Encodern
Die Fähigkeit, komplexe visuelle Informationen genau zu interpretieren, ist ein wichtiger Schwerpunkt multimodaler großer Sprachmodelle (MLLMs). Aktuelle Arbeiten zeigen, dass eine verbesserte visuelle Wahrnehmung Hal...
-
KI-Modelle und Plattformen 9. September 2024Sapiens: Grundlage für menschliche Vision-Modelle
Der bemerkenswerte Erfolg von groß angelegten Vorbereitungen, gefolgt von einer feinen Anpassung für Sprachmodelle, hat diesen Ansatz als Standardpraxis etabliert. Ähnlich verhält es sich mit Computer-Vision-Methoden,...
-
KI-Modelle und Plattformen 6. August 2024SGLang: Effiziente Ausführung von strukturierten Sprachmodell-Programmen
Große Sprachmodelle (LLMs) werden immer häufiger für komplexe Aufgaben eingesetzt, die mehrere Generationsschritte, erweiterte Prompting-Techniken, Kontrollfluss und strukturierte Eingaben/Ausgaben erfordern. Allerdin...
-
KI-Modelle und Plattformen 29. Juli 2024MINT-1T: Skalierung von Open-Source-Multimodal-Daten um das 10-fache
Das Training von großen multimodalen Modellen (LMMs) erfordert große Datenmengen mit ineinander verflochtenen Sequenzen von Bildern und Texten in freier Form. Obwohl Open-Source-LMMs rasch fortgeschritten sind,...
-
KI-Modelle und Plattformen 16. Juli 2024DIAMOND: Visuelle Details sind wichtig in Atari und Diffusion für Weltmodellierung
Es war 2018, als die Idee des Reinforcement Learning im Kontext eines neuronalen Netzwerks-Weltmodells erstmalig vorgestellt wurde, und bald darauf wurde dieses grundlegende Prinzip auf Weltmodelle...
-
KI-Modelle und Plattformen 15. Juli 2024In-Paint3D: Bildgenerierung mit Blitzlicht-losen Diffusionsmodellen
Die Entwicklung von tiefen generativen AI-Modellen hat die Entwicklung von künstlicher Intelligenz mit bemerkenswerten Fähigkeiten in der natürlichen Sprachgenerierung, 3D-Generierung, Bildsynthese und Sprachsynthese...
-
KI-Modelle und Plattformen 9. Juli 2024MARKLLM: Ein Open-Source-Toolkit für LLM-Wasserzeichen
LLM-Wasserzeichen, die unauffällige, aber erkennbare Signale in Modellausgaben integrieren, um Text zu identifizieren, der von LLMs generiert wurde, sind entscheidend, um den Missbrauch von großen Sprachmodellen...
-
KI-Modelle und Plattformen 14. Juni 2024MoRA: Hochrangiges Aktualisieren für Parameter-Effiziente Feinabstimmung
Aufgrund seiner robusten Leistung und breiten Anwendbarkeit im Vergleich zu anderen Methoden ist LoRA oder Low-Rank-Anpassung eine der beliebtesten PEFT- oder Parameter-Effizienten Feinabstimmungsmethoden für die Fein...
-
KI-Modelle und Plattformen 6. Juni 2024LLaVA-UHD: Effizientes Wahrnehmen von Bildern in jedem Seitenverhältnis und hoher Auflösung
Die jüngsten Fortschritte und Verbesserungen von Large Language Models haben zu einer signifikanten Steigerung der Fähigkeiten zur visuellen Vernunft, zum Verständnis und zur Interaktion geführt. Moderne...
-
KI-Modelle und Plattformen 31. Mai 2024Uni-MoE: Skalierung von vereinheitlichten multimodalen LLMs mit Mixture of Experts
Die jüngsten Fortschritte in der Architektur und Leistung von Multimodalen Großsprachmodellen (MLLMs) haben die Bedeutung von skalierbaren Daten und Modellen zur Leistungssteigerung unterstrichen. Obwohl dieser Ansatz...
-
KI-Modelle und Plattformen 24. Mai 2024MambaOut: Wird Mamba wirklich für die Bilderkennung benötigt?
In modernen maschinellen Lern- und KI-Frameworks sind Transformer einer der am weitesten verbreiteten Komponenten in verschiedenen Bereichen, einschließlich der GPT-Serie und BERT in der natürlichen Sprachverarbeitung...
