拋棄視覺編碼器，這個(gè)「原生版」多模態(tài)大模型也能媲美主流方法

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：拋棄視覺編碼器，這個(gè)「原生版」多模態(tài)大模型也能媲美主流方法
關(guān)鍵字：模型,視覺,編碼器,語(yǔ)言,數(shù)據(jù)
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

AIxiv專欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機(jī)器之心AIxiv專欄接收?qǐng)?bào)道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級(jí)實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報(bào)道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com一作刁海文，是大連理工大學(xué)博士生，導(dǎo)師是盧湖川教授。目前在北京智源人工智能研究院實(shí)習(xí)，指導(dǎo)老師是王鑫龍博士。他的研究興趣是視覺與語(yǔ)言，大模型高效遷移，多模態(tài)大模型等。共同一作崔玉峰，畢業(yè)于北京航空航天大學(xué)，是北京智源人工智能研究院視覺中心算法研究員。他的研究興趣是多模態(tài)模型、生成模型和計(jì)算機(jī)視覺，主要工作有 Emu 系列。
近期，關(guān)于多模態(tài)大模型的研究如火如荼，工業(yè)界對(duì)此的投入也越來越多。國(guó)外相繼推出了炙手可熱的模型，例如 GPT-4o （OpenAI）、Gemini（Google）、Phi-3V （Microsoft）、Claude-3V（Anthropic），以及 Grok-1.5V（xAI）等。與此同時(shí)，國(guó)內(nèi)的 GLM-4V（智譜 AI）、Step-1.

原文鏈接：拋棄視覺編碼器，這個(gè)「原生版」多模態(tài)大模型也能媲美主流方法

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡(jiǎn)介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺(tái)