浙江大学、マイクロソフト研究所、コロンビア大学の研究者らが共同で開発した新しい多様なAIシステム、LLaVA-1.5が、11のベンチマークテストで記録を更新しました。多様な情報理解能力においてGPT-4Vを上回り、競合する存在となっています。
LLaVA-1.5は、シンプルなシステムアーキテクチャと公開データセットを用いてこの進歩を達成しました。これは、オープンソースモデルでも適切な設計によって強力な能力を実現できることを示しており、AI開発に新たな知見をもたらします。
LLaVA-1.5のオープンソース化は、多様なAI分野における空白を埋めるものであり、「GPT-4に対抗する」強力な新星として業界から注目されています。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
百度Create AI開発者会議が北京で開催されました。この注目を集めるテクノロジーイベントで、百度は文心快码3.5バージョンと、国内初のマルチモーダルAIプログラマーである文心快码Comate Zuluインテリジェントエージェントを正式にリリースし、AIプログラミングツールの新たな発展段階への到来を示しました。
この度、Moonshot AIは、音声の理解、生成、インタラクション分野における技術の進歩を促進することを目的とした、全く新しいオープンソースの音声基礎モデルであるKimi-Audioを発表しました。この発表は、世界中のAIコミュニティから大きな注目を集め、マルチモーダルAI発展における重要なマイルストーンとみなされています。以下は、Kimi-Audioの主要な特徴、パフォーマンス、業界への影響に関する包括的なレポートです。画期的な特徴：万能な音声処理能力Kimi-Audio-7B-InstructはQwenに基づいています。
マルチモーダル人工知能（AI）の分野において、アップルのエンジニアとフランスのソルボンヌ大学の研究チームが共同で重要な研究を進めています。最近、テクノロジーメディアmarktechpostが関連するブログ記事を発表し、マルチモーダルAIにおける早期融合モデルと後期融合モデルの応用と将来性について論じています。研究によると、ゼロからトレーニングされた早期融合モデルは、計算効率と拡張性においてより優れています。マルチモーダルAIの目標は、画像やテキストなど、複数のデータタイプを同時に処理することですが、これらの異なるソースからの情報を統合することは、依然として課題となっています。
人工知能分野のリーダーであるOpenAIが、来週、新たな技術トレンドを巻き起こそうとしています！テクノロジーメディアThe Vergeの報道によると、OpenAIはGPT-4.1シリーズ、o3シリーズ、その他複数のAIモデルを含む大規模なアップデートを予定しています。この集中リリースは、OpenAIの革新を加速させる野心を示すだけでなく、業界にさらに強力なAIツールをもたらします。GPT-4.1シリーズ：マルチモーダル能力の全面的なアップグレード GPT-4.0の後継として、GPT-4.1シリーズは
先日、商湯科技の創業者である徐立氏が、最新世代の人工知能大規模モデル「日日新V6」を発表しました。このニュースは瞬く間にテクノロジー業界で大きな話題となりました。AIbaseの情報によると、日日新V6はマルチモーダル能力において大きな飛躍を遂げ、商湯科技のAI分野におけるリーダーシップをさらに強固なものにしました。さらに素晴らしいことに、このモデルのAPIは明日正式に公開され、開発者により強力な技術サポートを提供し、AIアプリケーションの迅速な導入を支援します。マルチモーダル能力が全面的にアップグレードされた日日新V6は、商湯科技のSens...
シリコンバレーのテクノロジー大手による版図拡大に新たな章が加わりました！イーロン・マスク率いるxAI社は本日、動画生成AI技術に特化したスタートアップ企業Hotshot社の買収を発表しました。この戦略的買収は、xAI社のマルチモーダルAI技術分野に新たな活力を注入することでしょう。Hotshot社のCEOであるAakash Sastry氏はXプラットフォーム上でこのニュースを正式に発表しましたが、具体的な取引金額については明らかにしていません。Redditの共同設立者Alexis Ohanian氏やSV Angelなどから資金調達を受けていた企業です。