多模态LLM视觉推理能力堪忧,浙大领衔用GPT-4合成数据构建多模态基准
多模态LLM视觉推理能力堪忧,浙大领衔用GPT-4合成数据构建多模态基准LLM的数学推理能力缺陷得到了很多研究的关注,但最近浙大、中科院等机构的学者们提出,先进模型在视觉推理方面同样不足。为此他们提出了一种多模态的视觉推理基准,并设计了一种新颖的数据合成方法。
来自主题: AI技术研报
10776 点击 2024-08-08 14:41
搜索
LLM的数学推理能力缺陷得到了很多研究的关注,但最近浙大、中科院等机构的学者们提出,先进模型在视觉推理方面同样不足。为此他们提出了一种多模态的视觉推理基准,并设计了一种新颖的数据合成方法。
Transformer架构层层堆叠,包含十几亿甚至几十亿个参数,这些层到底是如何工作的?当一个新奇的比喻——「画家流水线」,被用于类比并理解Transformer架构的中间层,情况突然变得明朗起来,并引出了一些有趣的发现。
Gary Marcus再写长文整顿AI巨头圈:我们最该害怕的奥特曼是山姆·奥特曼。
陶哲轩一场新鲜出炉的演讲,为我们带来了一场干货满满的思想盛宴。
奥特曼又来搞事情了!一张5颗草莓照片,让全网掀起热议狂澜。这不是明摆着暗示,神秘Strawberry项目真实存在。难道GPT-5真的要来了吗?
没有想象中火热。
应广大用户需求,OpenAI终于发布重量级新功能。
Chegg全面拥抱AI,投资人依然信心不足。
为什么说AI搜索不只是搜索?
AI重新定义游戏体验的时代。