全模态对齐框架align-anything来了：实现跨模态指令跟随

北大对齐小组开发的“Align Anything”框架支持多模态对齐，包括文本、图像、音频和视频。

该框架实现多种对齐算法，并开源全模态人类偏好数据集，提升模型与人类意图的对齐。

通过微调Llama-3.2等模型，增强了指令跟随和识别能力。

Align Anything提供模块化和可扩展的工具，支持多模态模型的训练和评估。

全模态大模型与人类意图的对齐是当前AI领域的重要挑战。

MetaAI发布Llama 3.2后，北大团队用Align Anything框架对其进行了微调，表现更优。

Align Anything框架支持多种模态的输入和输出对齐，填补了现有框架的空白。

框架实现了超过6种对齐算法，支持多种模态的微调。

发布了首个全模态人类偏好数据集Align-Anything，提供详细的偏好注释和反馈。

全模态模型的对齐是实现通用人工智能的重要一步。

北大对齐小组在多模态对齐研究中贡献了数据、模型、算法和评估的全流程。

Align-Anything框架具有高度模块化、扩展性和易用性，支持多种对齐方法和评估基准。

北大对齐小组开源了对Qwen2-Audio的DPO算法实现，提升了音频文本的对齐效果。

Align-Anything评测框架适配了超过30个常用基准测试，支持多种推理后端。

Align-Anything数据集提供高质量的多模态任务数据，旨在提升模型的指令跟随能力。

北大对齐小组提出了从语言反馈中学习的范式，旨在提升多模态大模型的对齐能力。