VLM集体「失明」？视力测试惨败，GPT-4o、Claude 3.5全都不及格
VLM集体「失明」？视力测试惨败，GPT-4o、Claude 3.5全都不及格视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？
来自主题: AI技术研报
8735 点击 2024-07-16 19:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？
一位已婚男子在AI那里，找到了认同和肯定。MIT研究AI与人类亲密关系先驱称，这只是「亲密幻觉」。
评估大模型是否诚实的基准来了！
四大 VLM，竟都在盲人摸象？
Anthropic首席执行官表示，当前AI模型训练成本是10亿美元，未来三年，这个数字可能会上升到100亿美元甚至1000亿美元。要知道，GPT-4o这个曾经最大的模型也只用了1亿美元。千亿美刀，究竟花在了哪里？
GPT-4o的“AI视频通话”一鸽再鸽，但网友却是急不可耐想要体验。
基于 ChatGPT、LLAMA、Vicuna [1, 2, 3] 等大语言模型（Large Language Models，LLMs）的强大理解、生成和推理能力
OpenAI迟迟不上线GPT-4o语音助手，其它音频生成大模型成果倒是一波接着一波发布，关键还是开源的。
没等到GPT-4o，商汤先把《Her》给发布出来了！
最近，一个对标 GPT-4o 的开源实时语音多模态模型火了。