对话硅谷公司K-Scale：在车库里对抗烧钱的巨头们，带全人类一起造10亿机器人
对话硅谷公司K-Scale：在车库里对抗烧钱的巨头们，带全人类一起造10亿机器人第一次拜访K-Scale Labs的时候，好像走进了美剧《硅谷》的拍摄现场。
来自主题: AI资讯
7448 点击 2024-07-31 15:06
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
第一次拜访K-Scale Labs的时候，好像走进了美剧《硅谷》的拍摄现场。
随着人工智能（AI）技术的迅猛发展，特别是大语言模型（LLMs）如 GPT-4 和视觉语言模型（VLMs）如 CLIP 和 DALL-E，这些模型在多个技术领域取得了显著的进展。
视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？
当前的视觉语言模型（VLM）主要通过 QA 问答形式进行性能评测，而缺乏对模型基础理解能力的评测，例如 detail image caption 性能的可靠评测手段。
四大 VLM，竟都在盲人摸象？
当前主流的视觉语言模型（VLM）主要基于大语言模型（LLM）进一步微调。因此需要通过各种方式将图像映射到 LLM 的嵌入空间，然后使用自回归方式根据图像 token 预测答案。
近些年，语言建模领域进展非凡。Llama 或 ChatGPT 等许多大型语言模型（LLM）有能力解决多种不同的任务，它们也正在成为越来越常用的工具。
开源多模态SOTA模型再易主！Hugging Face开发者大使刚刚把王冠交给了CogVLM2，来自大模型创业公司智谱AI。CogVLM2甚至在3项基准测试上超过GPT-4v和Gemini Pro，还不是超过一点，是大幅领先。
当计算预算低时，重复使用高质量数据更好；当不差钱时，使用大量数据更有利。
哈工大联合度小满推出针对多模态模型的自适应剪枝算法 SmartTrim，论文已被自然语言处理顶级会议 COLING 24 接收。