🔔科技频道[奇诺分享-ccino.org]⚡️
6 天前
机器之心
视频、图像、文本,只需基于下一个Token预测:智源Emu3发布,验证多模态模型新范式
Telegraph
|
原文
Telegraph
视频、图像、文本,只需基于下一个Token预测:智源Emu3发布,验证多模态模型新范式 - 机器之心
OpenAI 前首席科学家、联合创始人 Ilya Sutskever 曾在多个场合表达观点:只要能够非常好的预测下一个 token,就能帮助人类达到通用人工智能(AGI)。 虽然,下一 token 预测已在大语言模型领域实现了 ChatGPT 等突破,但是在多模态模型中的适用性仍不明确,多模态任务仍然由扩散模型(如 Stable Diffusion)和组合方法(如结合 CLIP 视觉编码器和 LLM)所主导。 2024 年 10 月 21 日,智源研究院正式发布原生多模态世界模型 Emu3。该模型只基于下一个…
Home
Powered by
BroadcastChannel
&
Sepia