基于大学知识的多模态LLM测评基准MMMU发布
《专家级人工智能的大规模多学科多模态理解和推理基准》是一个新的基准,旨在评估多模态模型在大规模多学科任务上的专家级理解能力。该基准包括来自大学考…
栏目
大语言模型(LLM)是指使用大量文本数据训练的深度学习模型,可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务,如文本分类、问答、对话等,是通向人工智能的一条重要途径
《专家级人工智能的大规模多学科多模态理解和推理基准》是一个新的基准,旨在评估多模态模型在大规模多学科任务上的专家级理解能力。该基准包括来自大学考…
在我们与SeamlessM4T的合作基础上,我们今天公开发布了一些改进,这些改进可以跨语言保留表达,并将延迟降低到约两秒。在我们日益互联的世界中…
摘要:在这项工作中,我们提出了MagicDance,一种基于扩散的模型,用于挑战性的人类舞蹈视频的二维人体动作和面部表情转移。具体而言,我们的目…
有人询问有多少人还没有试用OpenAI新发布的TTS文字转语音,提供了一个在线版本的链接,可以直接在网页上输入文字,并提供了多种男声和女声选择…
原文: https://x.ai/ Grok是一个AI,模仿了《银河系漫游指南》,旨在回答几乎任何问题,并且更难的是建议提出什么问题!Grok被…
Distil-Whisper:比Whisper快6倍,体积小50%的语音识别模型。它在Whisper核心功能的基础上进行了优化和简化,速度提高了…
MimicGen是一种自动生成大规模数据集的工具,只需少量人类示范即可。它可以自动生成超过50,000个示范,仅使用不到200个人类示范,涵盖了…
Character-LLMs,它是一种可训练的角色扮演代理程序,可以从实际经验、特征和情感中学习。与提示代理程序相比,Character-LLM…
DB-GPT是一个基于数据库的开源GPT实验项目,旨在解决大模型在数据安全和隐私方面的挑战。该项目支持本地部署,可以应用于独立私有环境,并且可以…
清华开源通用智能体XAgent,登上GitHub热榜,狂揽1400+ 各种任务都能做,让它使用python来分析给定的数据,分分钟搞定。 项目地…