4秒看完2小时电影，阿里团队新成果正式亮相——推出通用多模态大模型mPLUG，Owl3，专门用来理解多图、长视频，具体来说，以LLaVA，Next，Interleave为基准，mPLUG，Owl3将模...

机器之心报道编辑，Panda深度学习架构有很多，但近些年最成功的莫过于Transformer，其已经在多个应用领域确立了自己的主导地位，如此成功的一大关键推动力是注意力机制，这能让基于Transfor...

跨平台的多模态智能体基准测试CRAB由CAMELAI社区主导，由来自牛津、斯坦福、哈佛、KAUST、EigentAI等机构的研究人员合作开发，CAMELAI社区开发的CAMEL框架是最早基于大语言模型...

该文章的第一作者陈麒光，目前就读于哈工大赛尔实验室，他的主要研究方向包括大模型思维链、跨语言大模型等，在过去的几年中，大型语言模型，LargeLanguageModels，LLMs，在自然语言处理，N...

机器之心报道机器之心编辑部大语言模型，LLM，经历了重大的演变，最近，我们也目睹了多模态大语言模型，MLLM，的蓬勃发展，它们表现出令人惊讶的多模态能力，特别是，GPT，4o的出现显著推动了MLLM领...

只用提示词，多模态大模型就能更懂场景中的人物关系了，北京大学最新提出多模态提示学习，ConditionalMulti，ModalPrompt，CMMP，方法，利用提示词工程技术教会多模态大模型理解区域...

12日，成都人形机器人创新中心，以下简称，创新中心，在四川成都发布了我国首个机器人多模态模型以及双臂协作系统，该模型能够使机器人理解、推理抽象的语义指令，并调度双臂协作系统执行任务，多模态数据协同推理...

新智元报道编辑，LRST好困，新智元导读，Mini，Monkey是一个轻量级的多模态大型语言模型，通过采用多尺度自适应切分策略，MSAC，和尺度压缩机制，SCM，，有效缓解了传统图像切分策略带来的锯齿...

新智元报道编辑，LRST好困，新智元导读，多模态大语言模型，MLLM，在医学视觉问答，VQA，领域展现出巨大潜力，通过提供针对医学图像的具体临床问题的回答，有助于提高医疗专业人员的工作效率，然而，现有...

新智元报道编辑，LRST好困，新智元导读，研究人员提出了一种新颖的多步误差最小化，MEM，方法，用于生成多模态不可学习样本，以保护个人数据不被多模态对比学习模型滥用，通过优化图像噪声和文本触发器，ME...

机器之心原创作者，杜伟如今的AI在识别人类情感方面发展到什么程度了，本月初，一场向更具情感AI发起挑战的高规格赛事落下了帷幕！这就是第二届多模态情感识别挑战赛，MER24，，它由清华大学陶建华教授、中...

30秒等待一条AI视频，作者，连冉编辑，郑玄这两天，AI视频生成赛道越来越热闹了，7月24日，快手可灵全面开放内测；同一天，创企爱诗科技发布产品PixVerseV2，可生成多达40秒的高质量短视频；2...