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。
在AI-2.0时代，OCR模型的研究难道到头了吗！？
新的最强开源多模态大模型来了！
8月27日消息，在近日召开的Hot Chips 2024大会上，韩国AI芯片初创公司FuriosaAI 推出了一款面向高性能大型语言模型和多模态模型推理的高能效数据中心AI加速器 RNGD。
本文引入了 Transfusion，这是一种可以在离散和连续数据上训练多模态模型的方法。
随着大模型研究的深入，如何将其推广到更多的模态上已经成为了学术界和产业界的热点。最近发布的闭源大模型如 GPT-4o、Claude 3.5 等都已经具备了超强的图像理解能力，LLaVA-NeXT、MiniCPM、InternVL 等开源领域模型也展现出了越来越接近闭源的性能。
现在，最强数学大模型，人人都可上手玩了！
机器人多模态模型（RRMM）+双臂协作系统（RTACS）
封面来源｜公司官网 “GPT-3.5（ChatGPT）API将在某个时刻退役——只是不确定在何时。”在The Verge的采访中，OpenAI API平台负责人Olivier Godement如此总结。
最近，一个对标 GPT-4o 的开源实时语音多模态模型火了。
