《GPT-4V，多模态大模型的黎明》。这篇论文是在国庆假期期间出来的，正好大家都在游山玩水，所以这篇论文的关注度并不高。实际这是下半年，也是在 GPT5 出来之前最值得关注的内容，这里对论文进行一些内容精选与翻译，特别是对示例内容也加了翻译和说明。

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

3480 位用户此时在线

24小时点击排行 Top 10：

Watta

俄羅斯女兵都衝鋒了

这个晃动效果很传神啊让我想起了一位“老英雄” 🤓🤓🤓

东北19万到650万房子分别长啥样

用雷军演讲的方式卖新疆蜜薯。网友震惊：“这要不卖到100一斤，我都不答应。”

Palestine in one Photo.

昂撒衰退到这个地步了吗

老公回家抓老王時，老王逃逸時的危險狀態。

找了一個穆斯林老公的漢人，不知道自己已經畜牲不如。

网友投稿：广东省中山弘科未来学校校长黄翔，表面上在社交媒体上义正词严，高调宣称：“学校不能动不动就想着从食堂赚钱，去搞这些小心思！”却在背地里大搞“人情饭局”，联合教体局领导，通过使用廉价食材大幅降低学生用餐标准，从中攫取巨额利润。据爆料，他曾多次在私人会所宴请教体局领导，饮用高档茅

网友投稿：10月19日，广东深圳，网约车司机搭载一未成年女孩，疑似未将该女孩送到目的地就强行要她下车，引发纠纷。视频中女孩哭声凄惨称没将自己送到地方，司机则气焰嚣张的说导航导的就是这里，并强迫小女孩下车。

10月21日，安徽省宿州市，宿州职业技术学院有学生反映，学校自来水疑似遭到污染，并上传了相关视频作为佐证。22日，校方总务处工作人员回应称，情况系因近期更换供水源，导致管道内的泥沙和锈渍被冲出所致。目前供水已恢复正常，水质不存在问题。

厕纸牛排的原始出处👇

Just have to look good on camera. Is there a reason why everything need to synchronize? Not like all the leaders drink at the same time right?

死鐘全會的五星紅旗為什麼沒有五星了？

10月18日，一名网约车司机在行车途中与乘客闲聊，不久后便接到滴滴救援中心来电，对方提醒他“抓好方向盘，不要与乘客闲聊”。

10月21日，一位江苏网友在观看纪录片《沉默的农药》后称“心情久久不能平静”。身为程序员的他自制了一款名为“归家”的App，面向台湾民众和台军，号称可用于“投诚登记”。视频显示，用户可在App中实名登记“回归祖国”的意愿，其中台北市登记人数达28,456人，为最多地区。

被習近平脫掉貧困外衣的山東人，本來幫助他們的錢，被拿去山東建立了一個非洲，那裏叫作山東大學。

现在的游戏平台已经把家长逼疯了，家长拿平台没办法，拿自己的娃没办法，只有狂扇自己耳光…

匿名者64成功黑进了复旦，北邮等9所高校论坛！

律师支招，男性如何防范一夜情后被告强奸。

數千名愛爾蘭民眾湧上都柏林「城西酒店」外的街道。據稱，昨天一名伊斯蘭教移民，在這家酒店強姦了一名 10 歲的愛爾蘭女孩。愛爾蘭人確實受夠了。

中共是世界上唯一一個保護奴才和宮女文化傳承的超級大國。

10月21日，知名网红夫妇“亮亮丽君”最新进展：他们起诉开发商退房退款的烂尾楼纠纷，一审宣判败诉，法院驳回其全部诉求。亮亮表示：“一审输了，还有二审，我们不会放弃，将上诉到底。”

我像个不知所措的避孕套

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

2

1

0

《GPT-4V，多模态大模型的黎明》。这篇论文是在国庆假期期间出来的，正好大家都在游山玩水，所以这篇论文的关注度并不高。实际这是下半年，也是在 GPT5 出来之前最值得关注的内容，这里对论文进行一些内容精选与翻译，特别是对示例内容也加了翻译和说明。
IT技术
( blog.orangesai.com )

2年前由 orange.ai 提交

点击图片查看原图

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
400
下一页

1

2

1

1

《LMMs 多模态大模型的曙光：初探 GPT-4V(ision)》全文翻译微软发布了一份 166 页的报告，详细探讨了 GPT-4V 的功能，用法和未来方向！
大陆资讯
( weibo.com)

2年前 • 全国花样撸管大赛冠军 • -- 点击 0 评论

2

2

1

1

几个月前Meta发布Segment Anything Model(SAM) ，可以识别、标记图片、视频中的任何物体，而OpenAI刚刚发布了多模态大模型GPT-4V，没想到微软将SAM和GPT-4V结合了起来，先借助SAM对图片上的物体进行标记，然后再交给GPT-4V，可以大幅提升GPT-4V的识别能力。…
IT技术
( segment-anything.com)

2年前 • 宝玉 • -- 点击 0 评论

3

3

2

2

面壁智能前几天发布了一个非常厉害的多模态模型 MiniCPM-Llama3-V 2.5
- 多模态综合性能超越 GPT-4V-1106、Gemini Pro、Claude 3、Qwen-VL-Max
- OCR 能力方面，OCRBench 得分达到 725，超越 GPT-4o、GPT-4V、Gemini Pro、Qwen-VL-Max
- 但它只是个开源模型
- 总参数量只有8B，支持 ollama 电脑本地跑
IT技术
( twitter.com)

1年前 • orange.ai • -- 点击 0 评论

4

2

1

1

马斯克X AI发布Grok-1.5 Vision 多模态模型
Grok-1.5V能够处理文本以及各种视觉信息，包括文档、图表、截图和照片。
基准测试中，Grok-1.5V 的能力和GPT 4V不相上下，多项指标甚至超过GPT 4V！
在新RealWorldQA真实世界物理空间基准中的表现超过GPT 4V等所有模型！…
时政
( twitter.com)

1年前 • 小互 • -- 点击 0 评论

5

2

1

1

来自浙江大学、腾讯 AI 实验室和西湖大学的新论文：《WebVoyager: Building an End-to-End Web Agent with Large Multimodal Models》
这篇论文详细的讲解了如何借助 GPT-4V 这样的多模态模型，与开放网络中的网站交互，完成用户的各项指令。…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

6

2

1

1

GPT-4震撼发布：多模态大模型，直接升级ChatGPT、必应，开放API，游戏终结了？
大陆资讯
( www.jiqizhixin.com)

2年前 • 舔你妹 • -- 点击 0 评论

7

2

1

1

Jim Fan分享了他了解的GPT-4V也就是即将发布的多模态GPT-4版本的信息。

➡依然是一个经过互联网的图像和文本训练的文本模型，经过了RLHF。
➡现在的GPT-4V版本比3月份的主要强在OCR能力的提升上。
➡这个版本早在22年底就已经训练完成，这十个月的时间都是在让他变得更安全。…
IT技术
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

8

2

1

1

推荐阅读：《多模态和多模态大模型 (LMM)[译]》
这是一篇相当详尽的讲述多模态和多模态大模型的文章！内容分为三部分。
* 第 1 部分围绕多模态的概念展开，讲述了使用多模态的原因、不同类型的数据模态以及多模态任务的种类。
* 第 2 部分深入探讨了多模态系统的核心原理，以 CLIP 和 Flamingo…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

9

2

1

1

【AI变鉴片大师，多模态大模型挑战超长3小时视频】包括GPT-4V等在内的同类模型基本只能处理图像。贾佳亚团队的LLaMA-VID支持单图、短视频和长视频三种输入，只通过一个非常简单的办法就达成了如上能力，那就是：单帧画面压缩到只用2个token编码。
大陆资讯
( www.qbitai.com)

1年前 • 捂裆大湿兄 • -- 点击 0 评论

10

2

1

1

OpenAI 刚刚发布了 GPT-4

GPT-4 是大型多模态模型（large multimodal model），支持图像和文本的输入，并生成文本结果。

这个 thread 会汇总一下有关 GPT-4 的一些信息（包括论文中的一些要点和实际的体验）。

🧵
推特中文圈
( twitter.com)

2年前 • Jiayuan • -- 点击 0 评论

11

3

2

2

这篇文章《Discover 4 Open Source Alternatives to GPT-4 Vision》介绍了 4 个 GPT-4 Vision 的开源替代方案：
1. LLaVa（大型语言和视觉助手）
LLaVA 代表了一种创新的、从头到尾训练的大型多模态（multimodal）模型。它融合了视觉编码器和…
IT技术
( llava-vl.github.io)

1年前 • 宝玉 • -- 点击 0 评论

12

3

2

2

【GPT-4，下周就出】「我们将在下周推出 GPT-4，它是一个多模态的模型，将提供完全不同的可能性 —— 例如视频（生成能力）。」
大陆资讯
( www.jiqizhixin.com)

2年前 • 猪八戒 • -- 点击 0 评论

13

2

1

1

可以拿这图去测试各大模型的多模态能力😄
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

14

2

1

1

有人发现用2019年 GPT-2 的 1.5B 模型为基础，使用大规模指令集进行微调之后，模型指标竟然超越了2023年的羊驼 7B 模型。
OpenAI 这是领先了多少。。
恐怖如斯
（同时GPT-2当时国内每家大公司应该都搞了。。
图片
( twitter.com)

2年前 • orange.ai • -- 点击 0 评论

15

2

1

1

【GPT-5首次曝光后，Altman：现在最重要的事就是GPT-5】据Altman介绍， GPT-5将是一个多模态模型，支持语音、图像、代码和视频，并在个性化和定制化功能方面实现重大更新，具备更强的推理能力和更高的准确性。当前大模型的通病——幻觉问题也将在GPT-5中得到解决。
大陆资讯
( wallstreetcn.com)

1年前 • 不知道 • -- 点击 0 评论

16

2

1

1

多模态大战终于要来了吗？OpenAI被曝加急训练多模态大模型Gobi，剑指谷歌Gimini
大陆资讯
( www.myzaker.com)

2年前 • 喊妈妈 • -- 点击 0 评论

17

2

1

1

在大家都在翘首以盼 OpenAI 发布 GPT-5 的时候，OpenAI 却只是先后发布了 GPT-4o和 GPT-4o mini，甚至推理能力智能程度还不如当初的 GPT-4，但是这两个新模型不仅支持了多模态，而且参数都要小于 GPT-4，生成速度很快，推理成本也低了很多倍。
这背后，应该是因为新的 GPT-4o
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

18

2

1

1

说的太对了，那么多开源大语言模型，真没有超过GPT-3.5的
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

19

3

2

2

李彦宏表示，在中文上，文心大模型4.0已经超过了GPT-4。他以写诗为例，称像文心大模型等大模型都能写，但GPT不行。“比如写一首诗，很多大模型都能写，但如果我要求写一首《沁园春》词牌的词，那GPT就完全搞蒙了，它不知道第一句话是4个字还是5个字。”过去一年，文心一言用户数量已突破1亿，文心大模型…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:05:08

20

2

1

1

大模型国内乱象之行业大模型。
可以观赏神文《中国杀出全球首个烹饪大模型》，简直就是各种名词的堆叠：
食神大模型的赋能，是一个连续多场景过程 / 跨设备协同和规划 / 多模态数据的感知、多模态的交互以及与多个设备的协同联动等多个层面的能力
时政
( hub.baai.ac.cn)

1年前 • 九原客 • -- 点击 0 评论

21

2

1

1

Gemini VS GPT-4，当前两大顶级AI模型实测
大陆资讯
( wallstreetcn.com)

1年前 • 全国花样撸管大赛冠军 • -- 点击 0 评论

22

3

2

2

典中典之国产大模型面临的问题：
GPT不开源
时政
( twitter.com)

1年前 • 柑橘小孤獨🐱🏴‍☠️ • -- 点击 0 评论

23

2

1

1

微软刚刚发布了多模态大语言模型的论文：Language Is Not All You Need

模型命名为：MOSMOS-1

论文地址：
图片
( arxiv.org)

2年前 • Jiayuan • -- 点击 0 评论

24

2

1

1

根据这张图，我真部署到了 Azure AI 的 GPT-4-0125-Preview 模型，分享给大家。
IT技术
( twitter.com)

1年前 • Geek • -- 点击 0 评论

1
2
3
4
5
6
...
400
下一页

0.09148 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特