阿里8B模型拿下多页文档理解新SOTA，324个视觉token表示一页，缩减80%
阿里8B模型拿下多页文档理解新SOTA，324个视觉token表示一页，缩减80%高效多页文档理解，阿里通义实验室mPLUG团队拿下新SOTA。
来自主题: AI技术研报
6608 点击 2024-09-13 21:27
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
高效多页文档理解，阿里通义实验室mPLUG团队拿下新SOTA。
一条磁力链，又在AI圈掀起狂澜。成立一年法国AI独角兽Mistral，官宣首个多模态模型Pixtral 12B，不仅能看懂手绘稿，还可以理解复杂公式、图表。
Mistral的多模态大模型来了！Pixtral 12B正式发布，同时具备语言和视觉处理能力。
随着大语言模型的飞速发展，角色扮演智能体（RPAs）正逐渐成为 AI 领域的热门话题。
ChatGPT 要进化了？
本文第一作者为 Chuanyang Jin (金川杨)，本科毕业于纽约大学，即将前往 JHU 读博。本文为他本科期间在 MIT 访问时的工作，他是最年轻的杰出论文奖获得者之一。
在AI-2.0时代，OCR模型的研究难道到头了吗！？
论文共同第一作者郑淼，来自于周泽南领导的百川对齐团队，毕业于北京大学，研究方向包括大语言模型、多模态学习以及计算机视觉等，曾主导MMFlow等开源项目。
大模型时代，有个大家普遍焦虑的问题：如何落地?往哪落地?
免训练多模态分割领域有了新突破！