
對齊如何改善多模態 LLM
Apple Machine Learning 探討偏好對齊如何影響多模態大型語言模型(MLLM),這個領域目前相較於語言模型對齊仍缺乏深入研究。研究聚焦於降低幻覺,包括模型產生與影像內容不一致的回應。
Tag: #multimodal-llm14 results

Apple Machine Learning 探討偏好對齊如何影響多模態大型語言模型(MLLM),這個領域目前相較於語言模型對齊仍缺乏深入研究。研究聚焦於降低幻覺,包括模型產生與影像內容不一致的回應。

Ghelia 推出了一個新平台,利用多模態 LLM 整合 3D 模型與分析結果。該平台旨在將製造業的失敗數據與設計隱性知識轉化為結構化且易於搜尋的組織資產。

語音適應的 LLM 在語言理解任務上表現不如文字基 LLM 及串聯管線,此稱為文字-語音理解差距。此差距源於處理語音輸入相較等價文字時的表現下降。最近縮小差距的方法依賴昂貴的大規模語音合成。

東風汽車自主研發的「東風太极大模型」通過國家網信辦生成式 AI 服務備案。企業級多模態大模型具多模態融合、高精度互動、全場景協同特性,涵蓋智能產品、研發、辦公、生產及營銷後全鏈條。