CogVLM, un modelo multimodal revolucionario que introduce la fusión profunda

CogVLM Un modelo multimodal revolucionario que introduce la fusión profunda

Solución al problema de alineación superficial

Un grupo de investigadores ha presentado un nuevo modelo que revoluciona los estándares actuales de diseño de IA multimodal, dejando atrás a casi toda la competencia.

Introducen un concepto innovador, Fusión Profunda, una nueva primitiva de diseño que mitiga el mayor problema que enfrentan los Modelos de Lenguaje Multimodal Grande (MLLMs) hoy en día, el “problema de alineación superficial”.

Si cumpliera con su potencial, el modelo CogVLM podría convertirse en un documento de investigación seminal que atraerá la atención de investigadores de todo el mundo para crear una nueva familia de MLLMs, modelos de fusión profunda.

• Pruebas AB Bayesianas con Pyro
• Este artículo de IA presenta un modelo de aprendizaje profundo para clasificar las etapas de la degeneración macular relacionada con la edad utilizando escaneos OCT de retina del mundo real.
• NetEase Youdao abrió EmotiVoice al público un motor de texto a voz potente y moderno.

¿Los resultados reales? Impresionantes capacidades como codificar problemas matemáticos a partir de imágenes, entre muchas otras que veremos pronto.

Pero primero y ante todo, ¿qué es el problema de alineación superficial?

La mayoría de las ideas que comparto en VoAGI se han compartido previamente en mi boletín semanal, TheTechOasis.

Si quieres estar al día con el frenético mundo de la IA y sentirte inspirado para tomar medidas o, al menos, estar bien preparado para el futuro que tenemos por delante, esto es para ti.

🏝Suscríbete a continuación🏝 para convertirte en un líder de IA entre tus compañeros y recibir contenido no disponible en ninguna otra plataforma, incluido VoAGI:

Suscríbete | TheTechOasis

El boletín para estar a la vanguardia en IA

thetechoasis.beehiiv.com

No podría ser tan fácil

Construir un LLM es una tarea compleja.

Necesitas un conjunto de datos enorme de documentos de texto, un equipo de investigadores de primer nivel y un potente clúster de GPU. En otras palabras, necesitas “mucho dinero”… y talento.

Y si quieres que tu modelo esté disponible comercialmente, necesitas hacer que sea consciente de qué decir o qué no decir.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!