迎战GPT-4V！清华唐杰&智谱发布多模态14边形战士，在线可玩！
对于一个科技周边开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《迎战GPT-4V！清华唐杰&智谱发布多模态14边形战士，在线可玩！》，主要介绍了，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！
看看这张图中有几个房子？如果你回答3个，就和GPT-4V的答案一样。
但是最新开源的国产多模态模型CogVLM-17B，就能看出另有玄机。
能够甚至区分出在图中完整可见的有3个和部分可见的有1个
CogVLM是由清华大学和智谱AI公司合作开发的项目，唐杰和丁铭是通讯作者。该项目的论文和开源代码已经上传到GitHub
CogVLM-17B在10个权威跨模态基准上取得了SOTA性能，除了这个独特的案例
另外在VQAv2, OKVQA, TextVQA, COCO captioning取得第二，超越或匹配谷歌的PaLI-X 55B。
与之前的开源多模态大模型相比，可以算是14边形战士。 与之前的开源多模态大模型相比，这个可以被称为14边形战士
雷达图中包含13个基准，最后一个TDIUC单独展现。
CogVLM可以回答各种类型的视觉问题，比如从马斯克的阴阳怪气中推理出小扎假装去旅行了，回避约架。
认出照片中的C罗，并回答他在2018年世界杯中有多少进球。
现在可以为带有图形的编程题提供代码了
可以甚至实现复杂目标检测，并为其打上标签，自动进行数据标注
从浅层对齐到深度融合
CogVLM模型由四个基本组件构成
- ViT编码器
- MLP适配器
- 大型预训练语言模型
- 视觉专家模块
其中，每层中都添加了可训练的视觉专家模块，以实现图像特征和文本特征的深度对齐，而不会牺牲任何NLP任务的性能。
之前主流的浅层对齐方法，如BLIP-2，图像特征和语言模型之间缺乏深度融合,导致性能不佳。
然而，对语言模型的所有参数进行微调又会损害其自然语言处理能力
CogVLM的方法可以说是改变了视觉语言模型的训练范式，从浅层对齐转向深度融合。
值得注意的是，CogVLM训练数据中没有专门的OCR数据，但却展现出了非常强大的文字识别能力
CogVLM开源并给出了在线试玩。
目前仅支持英文，但未来将提供中英双语版本支持，请持续关注
请尝试以下地址进行试玩：http://36.103.203.44:7861
请点击以下链接获取开源代码和论文地址：https://github.com/THUDM/CogVLM
今天关于《迎战GPT-4V！清华唐杰&智谱发布多模态14边形战士，在线可玩！》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于数据,训练的内容请关注golang学习网公众号！
微软AR眼镜专利：创新热插拔电池设计，解决续航问题
- 上一篇
- 微软AR眼镜专利：创新热插拔电池设计，解决续航问题
- 下一篇
- 文石发布 Note X3：AI 读写本，眼睛不会疲劳
-
- 科技周边 · 人工智能 | 57秒前 | 豆包AI
- 豆包AI数据解析方法揭秘
- 237浏览 收藏
-
- 科技周边 · 人工智能 | 8分钟前 | ChatGPT5
- ChatGPT5注册账号教程及注意事项
- 227浏览 收藏
-
- 科技周边 · 人工智能 | 10分钟前 | 文心一言 思维导图
- 文心一言思维导图制作技巧分享
- 446浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 轻量级模型 高效图像生成
- 阿里新图模型6B参数挑战旗舰！
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- AI制作PPT怎么用？一键生成教程详解
- 477浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 智谱清言
- 智谱清言官网入口与使用教程
- 151浏览 收藏
-
- 科技周边 · 人工智能 | 3小时前 | AI搜题
- AI搜题官网入口及使用教程
- 302浏览 收藏
-
- 科技周边 · 人工智能 | 3小时前 |
- Kaiber视频转视频怎么用？一键风格转换教程
- 168浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 | ChatGPT
- Claude高效整理客户反馈技巧
- 281浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 |
- 知网AIGC检测官网免费查重入口
- 220浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 |
- 豆包网页版入口及使用教程
- 486浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | 豆包手机
- 豆包手机分屏操作技巧分享
- 334浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- ChatExcel酷表
- ChatExcel酷表是由北京大学团队打造的Excel聊天机器人，用自然语言操控表格，简化数据处理，告别繁琐操作，提升工作效率！适用于学生、上班族及政府人员。
- 3329次使用
-
- Any绘本
- 探索Any绘本（anypicturebook.com/zh），一款开源免费的AI绘本创作工具，基于Google Gemini与Flux AI模型，让您轻松创作个性化绘本。适用于家庭、教育、创作等多种场景，零门槛，高自由度，技术透明，本地可控。
- 3541次使用
-
- 可赞AI
- 可赞AI，AI驱动的办公可视化智能工具，助您轻松实现文本与可视化元素高效转化。无论是智能文档生成、多格式文本解析，还是一键生成专业图表、脑图、知识卡片，可赞AI都能让信息处理更清晰高效。覆盖数据汇报、会议纪要、内容营销等全场景，大幅提升办公效率，降低专业门槛，是您提升工作效率的得力助手。
- 3572次使用
-
- 星月写作
- 星月写作是国内首款聚焦中文网络小说创作的AI辅助工具，解决网文作者从构思到变现的全流程痛点。AI扫榜、专属模板、全链路适配，助力新人快速上手，资深作者效率倍增。
- 4696次使用
-
- MagicLight
- MagicLight.ai是全球首款叙事驱动型AI动画视频创作平台，专注于解决从故事想法到完整动画的全流程痛点。它通过自研AI模型，保障角色、风格、场景高度一致性，让零动画经验者也能高效产出专业级叙事内容。广泛适用于独立创作者、动画工作室、教育机构及企业营销，助您轻松实现创意落地与商业化。
- 3944次使用
-
- GPT-4王者加冕！读图做题性能炸天，凭自己就能考上斯坦福
- 2023-04-25 501浏览
-
- 单块V100训练模型提速72倍！尤洋团队新成果获AAAI 2023杰出论文奖
- 2023-04-24 501浏览
-
- ChatGPT 真的会接管世界吗？
- 2023-04-13 501浏览
-
- VR的终极形态是「假眼」？Neuralink前联合创始人掏出新产品：科学之眼！
- 2023-04-30 501浏览
-
- 实现实时制造可视性优势有哪些？
- 2023-04-15 501浏览
