当前的视觉语言模型（VLM）主要通过 QA 问答形式进行性能评测，而缺乏对模型基础理解能力的评测，例如 detail image caption 性能的可靠评测手段。
大模型的船票，哪些公司拿到了？
无论是大模型独角兽们长在飞书上，还是最大AI科普发生在飞书上。AI正在与飞书产生越来越深入的关联。
无需录制团队、拍摄装备、摄像技能或后期编辑。
只需Image Tokenizer，Llama也能做图像生成了，而且效果超过了扩散模型。
在当今的多模态大模型的发展中，模型的性能和训练数据的质量关系十分紧密，可以说是 “数据赋予了模型的绝大多数能力”。
在生成式模型的迅速发展中，Image Tokenization 扮演着一个很重要的角色，例如Diffusion依赖的VAE或者是Transformer依赖的VQGAN。这些Tokenizers会将图像编码至一个更为紧凑的隐空间（latent space），使得生成高分辨率图像更有效率。
一场关于非共识和长期最优解的对话。
在中国，最近1年内诞生了5家生成式AI独角兽：月之暗面、MiniMax、零一万物、百川智能、智谱AI。
2024 年 5 月，DreamTech 官宣了其高质量 3D 生成大模型 Direct3D，并公开了相关学术论文 Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion Transformer。
