MMMU-Pro通过三步构建过程（筛选问题、增加候选选项、引入纯视觉输入设置）更严格地评估模型的多模态理解能力；模型在新基准上的性能下降明显，表明MMMU-Pro能有效避免模型依赖捷径和猜测策略的情况。
近日，成立仅 6 个月的 AI 生物技术初创公司 Chai Discovery，发布用于分子结构预测的新型多模态基础模型 Chai-1，并附带了一份技术报告，比较了 Chai-1 与 AlphaFold 等模型的性能。
高效多页文档理解，阿里通义实验室mPLUG团队拿下新SOTA。
一条磁力链，又在AI圈掀起狂澜。成立一年法国AI独角兽Mistral，官宣首个多模态模型Pixtral 12B，不仅能看懂手绘稿，还可以理解复杂公式、图表。
Mistral的多模态大模型来了！Pixtral 12B正式发布，同时具备语言和视觉处理能力。
随着大语言模型的飞速发展，角色扮演智能体（RPAs）正逐渐成为 AI 领域的热门话题。
ChatGPT 要进化了？
本文第一作者为 Chuanyang Jin (金川杨)，本科毕业于纽约大学，即将前往 JHU 读博。本文为他本科期间在 MIT 访问时的工作，他是最年轻的杰出论文奖获得者之一。
在AI-2.0时代，OCR模型的研究难道到头了吗！？
论文共同第一作者郑淼，来自于周泽南领导的百川对齐团队，毕业于北京大学，研究方向包括大语言模型、多模态学习以及计算机视觉等，曾主导MMFlow等开源项目。
