AIGC動態(tài)歡迎閱讀

原標(biāo)題：馬斯克新作！Grok-1.5V多模態(tài)模型震撼發(fā)布：數(shù)字與物理世界完美融合
關(guān)鍵字：模型,用戶,世界,基準(zhǔn),代碼
文章來源：新智元
內(nèi)容字?jǐn)?shù)：8824字

內(nèi)容摘要：

新智元報道編輯：編輯部
【新智元導(dǎo)讀】馬斯克xAI的多模態(tài)模型Grok-1.5V橫空出世了！不僅多項基準(zhǔn)測試超越GPT-4V，而且看懂梗圖寫Python代碼也都不在話下。并且，為了評估模型對于真實世界的空間理解，xAI此次還推出了新基準(zhǔn)RealWorldQA。馬斯克的第一代多模態(tài)模型Grok-1.5V，終于來了！
Grok 1.5V，號稱是能連接數(shù)字世界和物理世界。
除了文本功能，它還能處理文檔、圖標(biāo)、屏幕截圖和照片之類的各種視覺信息。
很快，所有早期測試者和所有Grok用戶就能用上Grok 1.5V了。
英偉達(dá)高級科學(xué)家Jim Fan發(fā)現(xiàn)了Grok-1.5V的「最大亮點」：在他看來，Grok-1.5V最令人感興趣的，就是解決自動駕駛邊緣案例的潛力。
如果使用語言進(jìn)行「思維鏈」，幫助汽車分解復(fù)雜場景，用規(guī)則和反事實進(jìn)行推理，解釋其決策，Grok-1.5V就能將像素->動作映射提升為像素->語言->動作。
由此，特斯拉FSD V13就很有可能會理解語言Token！
特斯拉的優(yōu)勢是，具有高度成熟的數(shù)據(jù)管線，因此，就不難用高質(zhì)量的人類解釋痕跡來標(biāo)記大量邊緣案例，在多模態(tài)FSD推理上，微調(diào)G

原文鏈接：馬斯克新作！Grok-1.5V多模態(tài)模型震撼發(fā)布：數(shù)字與物理世界完美融合

聯(lián)系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點關(guān)注人工智能、機器人等前沿領(lǐng)域發(fā)展，關(guān)注人機融合、人工智能和機器人對人類社會與文明進(jìn)化的影響，領(lǐng)航中國新智能時代。