AI资讯新闻榜单内容搜索-SOTA

关键词: 多模态大模型,大模型,Aya23,AI,LLM

Aya23在模型性能和语言种类覆盖度上达到了平衡，其中最大的35B参数量模型在所有评估任务和涵盖的语言中取得了最好成绩。

关键词: GPT-3.5,sota,EditWorld,模型训练,世界指令

高质量图像编辑的方法有很多，但都很难准确表达出真实的物理世界。 那么，Edit the World试试。

关键词: OCR小模型,VIMTS,模型训练,扩散模型

通过提示查询生成模块和任务感知适配器，大一统框架VimTS在不同任务间实现更好的协同作用，显著提升了模型的泛化能力。该方法在多个跨域基准测试中表现优异，尤其在视频级跨域自适应方面，仅使用图像数据就实现了比现有端到端视频识别方法更高的性能。

关键词: SOTA,沈向洋,视觉识别,AI,AI视觉

目标检测领域，迎来了新进展—— Grounding DINO 1.5，IDEA研究院团队出品，在端侧就可实现实时识别。

关键词: ConsistentID,扩散模型,AI人物,AI图片,AI虚拟人,AI数字人

只需上传一张照片，就能瞬间变换身份，获得高精度个人写真！ 或是科幻电影中的超级英雄，或是穿越时空的复古角色…… 李飞飞在家做饭的样子有了，还有让斯嘉丽一键带圣诞帽。

关键词: 多模态,模型训练,GPT-4v,CogVLM2,智谱AI

开源多模态SOTA模型再易主！Hugging Face开发者大使刚刚把王冠交给了CogVLM2，来自大模型创业公司智谱AI。CogVLM2甚至在3项基准测试上超过GPT-4v和Gemini Pro，还不是超过一点，是大幅领先。

关键词: 多模态,MiniCPM-Llama3-V 2.5,面壁小钢炮,面壁智能

杀疯了！一夜之间，全球最强端侧多模态模型再次刷新，仅用8B参数，击败了多模态巨无霸Gemini Pro、GPT-4V。而且，其OCR长难图识别刷新SOTA，图像编码速度暴涨150倍。这是国产头部大模型公司献给开发者们最浪漫的520礼物。

关键词: 多模态,多模态大模型,Gemini,Claude,GPT-4o

OpenAI半小时的发布会让很多人第一反应是直呼「失望」，但随着官网放出更多demo以及更多网友开始试用，大家才发现GPT-4o真的不可小觑，不仅在各种基准测试中稳拿第一，而且有很多发布会从未提及的惊艳功能。

关键词: 变色龙,meta,GPT-4o,GPT-4V

GPT-4o发布不到一周，首个敢于挑战王者的新模型诞生！最近，Meta团队发布了「混合模态」Chameleon，可以在单一神经网络无缝处理文本和图像。10万亿token训练的34B参数模型性能接近GPT-4V，刷新SOTA。

关键词: HuggingFace,SOTA,AI视频,视觉模型,模型训练

前有OpenAI的GPT-4o，后有谷歌的系列王炸，先进的多模态大模型接连炸场。