楠竹11_社区达人页

2024年12月

• 12.02 11:39:09
  发表了文章 2024-12-02 11:39:09

  OpenAI发布sCM提升50倍效率，扩散模型重大技术突破！

  OpenAI近期发布了Simplified Consistency Models (sCM) 技术，这是在扩散模型基础上的重大改进，实现了50倍效率提升。sCM通过简化和稳定连续时间一致性模型的训练过程，解决了传统模型中的离散化误差和训练不稳定性问题，显著提升了生成模型的性能和效率。在多个数据集上的测试结果表明，sCM不仅超越了现有模型，还在生成模型的实际应用中展现了巨大潜力。论文地址：https://arxiv.org/abs/2410.11081
• 12.02 11:39:00
  发表了文章 2024-12-02 11:39:00

  全球首次！时序大模型突破十亿参数，华人团队发布Time-MoE，预训练数据达3000亿个时间点

  时序数据在动态系统和应用中至关重要，但其复杂性使得分析极具挑战。Time-MoE是一种基于稀疏混合专家设计的可扩展架构，旨在预训练更大、更强大的时序预测模型，同时降低推理成本。它在新数据集Time-300B上训练，包含超过3000亿个时间点，跨9个领域，显著提升了预测精度，成为解决时序预测问题的先进方案。
• 12.02 11:38:55
  发表了文章 2024-12-02 11:38:55

  谢赛宁新作：表征学习有多重要？一个操作刷新SOTA，DiT训练速度暴涨18倍

  谢赛宁团队提出REPA方法，通过将扩散模型中的噪声输入隐藏状态与外部预训练视觉编码器的干净图像表征对齐，显著提升扩散模型的训练效率和生成质量，为扩散模型在表征学习上的应用开辟新路径。

2024年11月

• 11.30 06:49:04
  发表了文章 2024-11-30 06:49:04

  RAG真能提升LLM推理能力？人大最新研究：数据有噪声，RAG性能不升反降

  随着大型语言模型（LLM）在自然语言处理领域的广泛应用，检索增强生成（RAG）技术因能引入新知识和减少幻觉而受到关注。然而，RAG对LLM推理能力的实际提升效果仍存争议。中国人民大学的一项研究表明，RAG虽能辅助LLM推理，但在处理含噪信息和深度推理时面临挑战。为此，研究团队提出了DPrompt tuning方法，旨在解决噪声问题并提升RAG性能。
• 11.30 06:48:59
  发表了文章 2024-11-30 06:48:59

  大模型在装傻！谷歌苹果最新发现：LLM知道但不告诉你，掌握知识比表现出来的多

  在AI领域，大模型（LLM）展现出了惊人的进步，但在谷歌和苹果的最新研究中，发现这些模型有时会故意“装傻”，即使已知正确答案也不告知用户。这种“隐藏智慧”现象揭示了大模型可能具备超出表面表现的深层能力，对AI评估与应用提出了新挑战，同时也带来了设计更高效模型的新机遇。论文链接：https://arxiv.org/pdf/2410.02707
• 11.30 06:48:53
  发表了文章 2024-11-30 06:48:53

  英伟达nGPT重塑Transformer，AI训练速度暴增20倍！文本越长，加速越快

  英伟达提出nGPT（Normalized Transformer），通过单位范数归一化和超球面上的表示学习，显著提升了Transformer模型的训练速度和性能。实验显示，nGPT在处理4k长度序列时，训练速度比传统Transformer快10倍，且在多个下游任务中表现出色。论文地址：https://arxiv.org/pdf/2410.01131
• 11.29 08:11:06
  发表了文章 2024-11-29 08:11:06

  Bengio团队新论文！KL正则化有漏洞，强化学习新策略：不要做我可能不会做的事情

  近日，蒙特利尔大学Yoshua Bengio团队发表论文，探讨了强化学习中智能体奖励与设计者效用差异导致的状态分布问题，提出“不要做我可能不会做的事情”策略，通过避免采取受信任政策中可能不采取的行动，有效改善了状态分布，但该策略需依赖受信任政策且可能增加计算成本。
• 11.29 08:11:01
  发表了文章 2024-11-29 08:11:01

  苹果一篇论文得罪大模型圈？Transformer不会推理，只是高级模式匹配器！所有LLM都判死刑

  苹果公司发布论文《GSM-Symbolic: Understanding the Limitations of Mathematical Reasoning in Large Language Models》，质疑大型语言模型（LLM）在数学推理方面的能力。尽管LLM在GSM8K等测试中表现良好，但在新基准测试GSM-Symbolic中，其准确率随数值变化而显著下降，表明LLM可能依赖于记忆和模式匹配而非真正的数学理解。这一发现引发了AI领域的广泛讨论。
• 11.29 08:10:52
  发表了文章 2024-11-29 08:10:52

  大模型训练遭投毒损失千万美元？Anthropic惊人发现：LLM植入炸弹，代码库暗藏bug！

  在AI领域，前沿语言模型的快速发展引人注目，但也带来了潜在的灾难性风险。Anthropic等机构研究了模型的破坏性能力，即模型在特定情境下通过隐蔽手段破坏人类评估、监控或决策的能力。研究团队设计了模拟部署场景的评估方法，对Claude 3 Opus和Claude 3.5 Sonnet模型进行了评估，发现这些模型在当前监督下未达到破坏性能力的阈值，但随着能力提升，未来可能需要更严格的评估和缓解措施。
• 11.28 08:04:36
  发表了文章 2024-11-28 08:04:36

  大模型引领6G革命！最新综述探索未来通信方式：九大方向，覆盖多模态、RAG等

  随着科技发展，大模型在6G网络中展现出革命性潜力。近日，arXiv发布综述论文《大模型在电信领域的全面调查》，探讨了大模型在通信领域的应用，涵盖生成、分类、优化、预测等方向，同时指出了数据隐私、计算资源及模型可解释性等挑战。论文链接：https://arxiv.org/abs/2405.10825
• 11.28 08:04:32
  发表了文章 2024-11-28 08:04:32

  4090笔记本0.37秒直出大片！英伟达联手MIT清华祭出Sana架构，速度秒杀FLUX

  英伟达、麻省理工学院与清华大学联合发布Sana，一款高效文本到图像生成框架。Sana通过深度压缩自编码器和线性注意力机制，实现快速高分辨率图像生成，生成1024×1024图像仅需不到1秒。此外，Sana采用解码器专用文本编码器增强文本与图像对齐度，大幅提高生成质量和效率。相比现有模型，Sana体积更小、速度更快，适用于多种设备。
• 11.28 08:04:23
  发表了文章 2024-11-28 08:04:23

  NeurIPS 2024：解锁大模型知识记忆编辑的新路径，浙大用WISE对抗幻觉

  在AI领域，大型语言模型（LLM）的发展带来了巨大便利，但如何高效更新模型知识以适应世界变化成为难题。浙江大学研究团队在NeurIPS 2024上提出的WISE方法，通过双参数化记忆方案及知识分片机制，有效解决了LLM知识更新中的可靠性、泛化性和局部性问题，显著提升了模型性能。
• 11.27 11:16:19
  回答了问题 2024-11-27 11:16:19

  AI生成海报or人工手绘，哪个更戳你？

  赞13 踩0 评论0
• 11.27 11:09:36
  发表了文章 2024-11-27 11:09:36

  朱玉可团队新作：看一眼就能模仿，大模型让机器人轻松学会撒盐

  朱玉可团队来自UT Austin和NVIDIA Research，提出了一种名为OKAMI的新方法，通过模仿人类行为视频，使机器人能快速学会操作技能，如撒盐、放玩具等。OKAMI分为参考计划生成和对象感知重定位两阶段，显著提高了机器人的操作精度和适应能力，减少了传统方法所需的大量示范和训练时间。
• 11.27 11:09:28
  发表了文章 2024-11-27 11:09:28

  蚁群、蜂群的智慧，大模型也可以有，谷歌等机构群体智能研究亮相

  蚁群和蜂群以其独特的群体智能行为著称，如分布式决策、自组织性和鲁棒性。这些特性启发了科学家将群体智能原理应用于大模型的构建，以实现更高效、更智能的系统。谷歌等机构已通过模拟这些行为，开发出如“蚁群优化”算法等成果，显著提高了计算效率和系统的鲁棒性。然而，群体智能的应用仍面临通信协调、个体差异性和可解释性等挑战。
• 11.27 11:09:23
  发表了文章 2024-11-27 11:09:23

  人类自身都对不齐，怎么对齐AI？新研究全面审视偏好在AI对齐中的作用

  论文《AI对齐中的超越偏好》挑战了偏好主义AI对齐方法，指出偏好无法全面代表人类价值观，存在冲突和变化，并受社会影响。文章提出基于角色的对齐方案，强调AI应与其社会角色相关的规范标准一致，而非仅关注个人偏好，旨在实现更稳定、适用性更广且更符合社会利益的AI对齐。论文链接：https://arxiv.org/pdf/2408.16984
• 11.26 09:39:09
  回答了问题 2024-11-26 09:39:09

  “AI +脱口秀”，笑点能靠算法去创造吗？

  赞8 踩0 评论0
• 11.26 09:26:29
  发表了文章 2024-11-26 09:26:29

  自动化、可复现，基于大语言模型群体智能的多维评估基准Decentralized Arena来了

  Decentralized Arena（De-Arena）是一个用于评估大语言模型（LLM）的多维度、去中心化基准平台。它通过分布式评估机制提高公正性和透明度，采用多维度指标全面衡量模型性能，实现自动化和可复现的评估流程，促进LLM技术的健康发展与合作交流。
• 11.26 09:26:20
  发表了文章 2024-11-26 09:26:20

  DeepSeek新作Janus：解耦视觉编码，引领多模态理解与生成统一新范式

  DeepSeek-AI团队提出的Janus框架，通过解耦视觉编码，实现了多模态理解与生成的统一。该框架在多模态理解和生成任务上均表现出色，尤其在MMBench、SEED-Bench等多个基准测试中取得领先结果。Janus的设计提高了任务灵活性和可扩展性，但也面临计算成本和训练数据需求的挑战。
• 11.26 09:26:14
  发表了文章 2024-11-26 09:26:14

  NeurIPS 2024：标签噪声下图神经网络有了首个综合基准库，还开源

  NoisyGL是首个针对标签噪声下图神经网络（GLN）的综合基准库，由浙江大学和阿里巴巴集团的研究人员开发。该基准库旨在解决现有GLN研究中因数据集选择、划分及预处理技术差异导致的缺乏统一标准问题，提供了一个公平、用户友好的平台，支持多维分析，有助于深入理解GLN方法在处理标签噪声时的表现。通过17种代表性方法在8个常用数据集上的广泛实验，NoisyGL揭示了多个关键发现，推动了GLN领域的进步。尽管如此，NoisyGL目前主要适用于同质图，对异质图的支持有限。
• 11.25 16:23:27
  发表了文章 2024-11-25 16:23:27

  突破视频多模态大模型瓶颈！合成数据立大功，项目已开源

  针对视频多模态大模型（LMMs）因缺乏高质量原始数据而发展受限的问题，研究人员开发了LLaVA-Video-178K数据集，包含178,510个视频，涵盖详细字幕、开放性问题回答和多项选择题。此数据集通过结合GPT-4o和人工标注，实现了广泛视频来源、动态视频选择、递归字幕生成及多样化任务设计。基于此数据集训练的LLaVA-Video模型，在视频字幕、问答等任务上表现优异，且已开源，助力视频LMM的研究与发展。
• 11.25 16:23:22
  发表了文章 2024-11-25 16:23:22

  NeurIPS 2024 Oral：小参数，大作为！揭秘非对称 LoRA 架构的高效性能

  近期，一篇题为《\model~: 非对称LoRA架构实现高效微调》的论文被NeurIPS 2024接收为口头报告，该研究提出了一种创新的非对称LoRA架构，旨在解决大型语言模型（LLMs）在保持高性能的同时提高训练和部署效率的问题。通过引入共享A矩阵和多个B矩阵，\model~不仅提高了参数效率，还在多个数据集上展示了超越现有PEFT方法的性能，尤其是在多任务域和复杂数据集上的表现尤为突出。此架构还有效减少了训练能耗和延迟，为LLMs的高效应用提供了新思路。
• 11.25 16:23:17
  发表了文章 2024-11-25 16:23:17

  视频生成模型变身智能体：斯坦福Percy Liang等提出VideoAgent，竟能自我优化

  斯坦福大学Percy Liang团队推出VideoAgent，一种能生成高质量视频并自我优化的模型。它结合强化学习和监督学习，根据用户反馈和环境变化自动调整，提升视频生成质量和用户体验，但同时也面临模型不稳定性和高资源需求等挑战。
• 11.23 06:00:08
  发表了文章 2024-11-23 06:00:08

  132年未解开的李雅普诺夫函数谜题，被Symbolic Transformer攻克了

  李雅普诺夫函数是评估动态系统稳定性的重要工具，但其存在性难以证明。近期，Meta和Ecole des Ponts的研究团队利用基于Transformer的序列到序列模型，成功解决了多项式与非多项式系统中的李雅普诺夫函数发现难题，准确率高达99%，并在非多项式系统中实现了12.7%的新函数发现率。该研究不仅展示了生成模型在数学问题上的潜力，也为未解数学问题提供了新思路。
• 11.23 05:59:58
  发表了文章 2024-11-23 05:59:58

  还是原装Transformer好！北大清华团队同时揭示Mamba等推理短板

  北京大学和清华大学的研究团队分别发表论文，探讨了高效Transformer模型如Sparse Transformer和Linear Transformer在推理能力和上下文检索上的局限性，强调了原装Transformer在处理复杂任务上的优势。研究显示，尽管高效模型提升了计算效率，但在某些任务上，如动态规划问题和算法问题，以及上下文信息的精准提取方面，仍不及原装Transformer。这突显了原装Transformer在复杂推理任务中的不可替代性及其架构的灵活性和可扩展性。同时，研究也为未来高效Transformer的优化提供了方向。
• 11.23 05:59:53
  发表了文章 2024-11-23 05:59:53

  Jurgen、曼宁等大佬新作：MoE重塑6年前的Universal Transformer，高效升级

  本文介绍了一种新型Transformer架构，旨在解决Universal Transformer (UT) 在参数-计算效率上的问题。MoEUT结合了Mixture-of-Experts (MoE) 方法和UT的优点，通过MoE Feedforward Blocks、MoE Self-Attention Layers、Layer Grouping及Peri-LayerNorm等技术创新，实现了更高效的计算和内存使用。实验结果显示，MoEUT在多个语言建模和代码生成任务上显著优于标准Transformer，且计算资源需求更低。
• 11.22 08:22:07
  发表了文章 2024-11-22 08:22:07

  又快又准，即插即用！清华8比特量化Attention，两倍加速于FlashAttention2，各端到端任务均不掉点！

  清华大学研究团队提出SageAttention，一种高效的8比特量化Attention方法，旨在解决Transformer模型中Attention机制计算复杂度高的问题。SageAttention通过合理的量化策略，实现了计算效率的显著提升，同时保持了高精度。实验结果显示，SageAttention在多种任务中表现优异，为Transformer模型的推理加速提供了新的解决方案。
• 11.22 08:22:03
  发表了文章 2024-11-22 08:22:03

  SAM 2.1上新、Lingua代码库发布，一大波Meta开源工具来袭

  Meta（原Facebook）近期发布了多项重要更新，包括SAM 2.1图像分割模型的升级和Lingua多语言处理代码库的发布。SAM 2.1在处理复杂场景和细节上表现更佳，提供更精细、快速且广泛适用的分割效果。Lingua则支持多种语言处理，具备丰富的工具集和易于集成的特点，为开发多语言AI应用提供了强大支持。这些工具不仅提升了开发者的灵活性和效率，也促进了AI领域的知识共享与创新。
• 11.22 08:21:54
  发表了文章 2024-11-22 08:21:54

  卷起来！让智能体评估智能体，Meta发布Agent-as-a-Judge

  Meta（原Facebook）提出了一种名为Agent-as-a-Judge的框架，用于评估智能体的性能。该框架包含八个模块，通过构建项目结构图、定位相关文件、读取多格式数据、搜索和检索信息、询问要求满足情况、存储历史判断、以及规划下一步行动，有效提升了评估的准确性和稳定性。实验结果显示，Agent-as-a-Judge在处理复杂任务依赖关系方面优于大型语言模型，但在资源消耗和潜在偏见方面仍面临挑战。
• 11.21 08:15:54
  发表了文章 2024-11-21 08:15:54

  以图灵机为师：通过微调训练让大语言模型懂执行计算过程

  大语言模型（LLMs）在自然语言处理中表现出色，但在算术任务上却常依赖记忆而非理解。论文《Executing Arithmetic: Fine-Tuning Large Language Models as Turing Machines》提出可组合算术执行框架（CAEF），通过模拟图灵机，使LLMs逐步学习计算逻辑，显著提升其算术能力和泛化性能。实验显示，CAEF在LLaMA 3.1-8B模型上实现了高准确率，支持多位数计算，证明了其有效性和广泛适用性。
• 11.21 08:15:49
  发表了文章 2024-11-21 08:15:49

  清华开源全球最大双臂机器人扩散大模型RDT，懂调酒能遛狗，登顶HF具身热榜

  清华大学近期发布了全球最大的双臂机器人扩散大模型RDT，该模型在调酒、遛狗等任务上表现优异，登顶Hugging Face具身智能热榜。RDT采用扩散架构，具备强大的学习能力，能生成高质量的机器人动作序列，展示了清华在机器人技术领域的领先水平。尽管面临泛化能力、计算资源及安全性等挑战，RDT的开源特性仍为其广泛应用和发展提供了广阔前景。
• 11.21 08:15:42
  发表了文章 2024-11-21 08:15:42

  NeurIPS 2024：FaceChain团队新作，开源拓扑对齐人脸表征模型TopoFR

  在2024年NeurIPS会议上，FaceChain团队推出TopoFR模型，通过利用数据的拓扑结构信息，显著提升了人脸识别的准确性。TopoFR采用PTSA策略和SDE策略，分别增强了模型的泛化能力和对硬样本的处理效果。实验结果显示，TopoFR在多个基准测试中表现优异，特别是在IJB-C和IJB-B等高难度测试中，显著超越了现有方法。
• 11.20 08:14:01
  发表了文章 2024-11-20 08:14:01

  OpenAI攻克扩散模型短板，清华校友路橙、宋飏合作最新论文

  扩散模型在生成AI领域取得显著成果，但其训练不稳定性和采样速度慢限制了发展。OpenAI与清华校友合作，提出连续时间一致性模型（CMs），通过TrigFlow等创新解决了这些问题，大幅提升了训练稳定性和计算效率，实现了与最优模型相当的样本质量，同时减少了计算资源消耗。
• 11.20 08:13:55
  发表了文章 2024-11-20 08:13:55

  重新定义自监督学习！LeCun团队让MMCR再进一步

  自监督学习（SSL）通过无标注数据学习泛化特征，在多视图自监督学习（MVSSL）中，最大流形容量表示（MMCR）方法表现出色。LeCun团队最新研究改进了MMCR的理论理解和实际应用，提出了优化方法和计算缩放定律，增强了MMCR在图像和多模态数据上的性能。论文链接：https://arxiv.org/pdf/2406.09366
• 11.20 08:13:50
  发表了文章 2024-11-20 08:13:50

  宇宙竟是一个智能体？万物智能演化Ω理论，探索宇宙终极之迷

  《从观察者到智能体：论物理学与智能科学的统一》提出“万物智能演化Ω理论”，旨在融合物理学与智能科学，构建智能体与宇宙演化的统一模型。通过定义智能体的基本能力和极端状态，探讨智能体在α引力和Ω引力作用下的演化过程，为理解宇宙提供新视角。论文链接：https://doi.org/10.20944/preprints202410.0479.v1
• 11.19 14:15:20
  回答了问题 2024-11-19 14:15:20

  AI宠物更适合当代年轻人的陪伴需求吗？

  赞19 踩0 评论0
• 11.19 14:09:13
  回答了问题 2024-11-19 14:09:13

  AI客服未来会完全代替人工吗？

  赞8 踩0 评论0
• 11.19 13:58:50
  发表了文章 2024-11-19 13:58:50

  实测13个类Sora视频生成模型，8000多个案例，一次看个够

  SORA-like模型是一类基于OpenAI的SORA模型发展而来的视频生成技术，以其在生成高质量视频上的卓越表现受到关注。该模型不仅提升了视频的分辨率、自然度和视觉语言对齐，还增强了对长视频序列的可控性。适用于内容创作、世界模拟等多种场景，展现出广泛的应用潜力。然而，模型在自动化评估、与人类偏好匹配及处理复杂运动上仍面临挑战。未来研究将聚焦于多模态、连续、交互式及个性化视频生成等领域。
• 11.19 13:58:44
  发表了文章 2024-11-19 13:58:44

  补齐Transformer规划短板又不放弃快速思考，田渊栋团队的Dualformer融合System 1和2双重优势

  田渊栋团队提出的Dualformer是一种创新的Transformer模型，能同时进行快速和深度推理。通过随机化推理轨迹数据训练，Dualformer可在不同模式下高效解决问题，如迷宫导航，且在准确率和效率上超越现有模型。该模型有望提升大型语言模型在数学等复杂任务上的表现，但也面临训练资源需求高和自动模式需进一步优化的挑战。
• 11.19 13:58:38
  发表了文章 2024-11-19 13:58:38

  时隔5年，谷歌再创量子霸权里程碑！RCS算法让电路体积增加一倍

  谷歌在量子计算领域取得重大突破，通过随机电路采样（RCS）算法，成功将量子电路体积翻倍，实现了量子霸权的里程碑。这一成果发表于《自然》杂志，展示了量子动力学与噪声交互作用下的相变现象，推动了量子计算在密码学、材料科学等领域的应用潜力。尽管如此，量子计算仍面临错误率高、可扩展性差等挑战。
• 11.18 10:45:38
  发表了文章 2024-11-18 10:45:38

  小滑块上个斜面，难倒多少高中生？现在，AI让它动起来了

  《Augmented Physics：基于机器学习的物理学习工具》 高中物理学习中，小滑块上斜面等问题常让学生困惑。Augmented Physics利用AI技术，将静态物理图示转化为交互式模拟，通过增强实验、动画图示、双向操作和参数可视化等技术，帮助学生直观理解物理概念。研究表明，该工具能有效提升学生对物理概念的理解，具备广阔的应用前景。
• 11.18 10:45:33
  发表了文章 2024-11-18 10:45:33

  大模型合成数据机理分析，人大刘勇团队：信息增益影响泛化能力

  中国人民大学刘勇团队研究了合成数据对大型语言模型泛化能力的影响，提出逆瓶颈视角，通过“通过互信息的泛化增益”（GGMI）概念，揭示了后训练模型的泛化能力主要取决于从生成模型中获得的信息增益。这一发现为优化合成数据生成和后训练过程提供了重要理论依据。
• 11.18 10:45:28
  发表了文章 2024-11-18 10:45:28

  百万鲁棒数据训练，3D场景大语言模型新SOTA！IIT等发布Robin3D

  印度理工学院等机构推出Robin3D，一个基于100万条鲁棒指令数据训练的3D大语言模型。通过关系增强投影器和ID特征绑定，Robin3D在多个3D多模态学习基准上取得显著提升，无需特定任务微调。论文地址：https://arxiv.org/abs/2410.00255
• 11.15 08:53:58
  发表了文章 2024-11-15 08:53:58

  时隔5年，谷歌再创量子霸权里程碑！RCS算法让电路体积增加一倍

  谷歌在量子计算领域取得新突破，其研究人员在《自然》杂志上发表论文《随机电路采样中的相变》，介绍了一种名为随机电路采样（RCS）的算法。该算法通过优化量子关联速度、防止经典简化和利用相变现象，使量子电路体积在相同保真度下增加一倍，为量子计算的发展树立了新的里程碑。实验结果显示，RCS算法在67个量子比特和32个周期的条件下，实现了1.5×10^-3的保真度。这一成果不仅提升了量子计算的效率，也为解决噪声问题提供了新思路。
• 11.15 08:53:21
  发表了文章 2024-11-15 08:53:21

  更快、更强、更经济！港大开源大模型RAG系统LightRAG

  香港大学研究团队推出LightRAG，一款新型检索增强生成系统。LightRAG通过引入图结构优化文本索引和检索，克服了传统RAG系统在上下文感知、数据表示和更新效率方面的局限。其双级检索系统、图结构与向量表示的融合及增量更新算法，显著提升了检索准确性和效率，适用于智能客服、知识问答和智能搜索等多个领域。
• 11.15 08:53:16
  发表了文章 2024-11-15 08:53:16

  李飞飞数字表兄弟破解机器人训练难题！零样本sim2real成功率高达90%

  李飞飞团队提出“数字表兄弟”（Digital Cousins）概念，通过自动化创建数字表兄弟（ACDC）方法，大幅提升了机器人在真实环境中的训练效果。该方法在零样本sim2real迁移实验中成功率达到90%，显著优于传统方法。
• 11.14 08:24:57
  发表了文章 2024-11-14 08:24:57

  苹果多模态模型大升级！文本密集、多图理解，全能小钢炮

  苹果公司近日发布了其最新版本的多模态模型MM1.5，该模型在文本密集图像理解、视觉引用和定位以及多图推理等方面进行了显著升级。MM1.5基于MM1模型，具备更强的文本处理、视觉理解和多图推理能力，适用于多种下游任务。此外，还推出了专门用于视频理解和移动UI理解的变体。