BriefGPT - AI 论文速递 ·

神秘投影：多模态 LLMs 获得领域特定的视觉能力，无需更丰富的跨模态投影

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本文回顾了最近的面向视觉的多模态大型语言模型的体系结构、对齐策略和训练技术，并对其在多个任务上的应用进行了详细分析。同时，还比较了现有模型的性能和计算要求，为未来的多模态大型语言模型奠定了基础。

🏷️

SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
把Agent放进真实尺度香港，上交大/新加坡国立大学/美团等提出UrbanGround，测试多模态模型城市探索能力
该文章介绍了一项关于多模态大语言模型（MLLM）在城市导航中能力的研究。研究团队构建了基于香港真实地理数据的URBANGROUND交互环境，评测了GPT-...
Minmax H3中英提示词效果差异测试 - 蝈蝈俊
对于MiniMax H3，使用中文和英文提示词时，能看到都在说，英文提示词通常能带来更好的生成效果。但是我实际测试下来，感觉差别不大。我的测试是基于北京...
OpenAI承认德国维基‘事件’
OpenAI says it needs to overhaul how and when it reports instances of AI mode...
自动驾驶出租车进入反派时代
It's Bullitt meets Christine meets Waymo. A new short film imagines a San...
Beyond Zero: Google Publishes Successor to BeyondCorp
In a recent research paper, Google introduced Beyond Zero, a “security model ...