讓大模型看圖比打字管用！NeurIPS 2023新研究提出多模態(tài)查詢方法，準(zhǔn)確率提升7.8%

AIGC動態(tài)歡迎閱讀

原標(biāo)題：讓大模型看圖比打字管用！NeurIPS 2023新研究提出多模態(tài)查詢方法，準(zhǔn)確率提升7.8%

關(guān)鍵字：文本,模型,目標(biāo),知乎,視覺

文章來源：量子位

內(nèi)容字?jǐn)?shù)：6742字

內(nèi)容摘要：轉(zhuǎn)載自 沁園夏量子位 | 公眾號 QbitAI大模型“識圖”能力都這么強了，為啥還老找錯東西？例如，把長得不太像的蝙蝠和拍子搞混，又或是認(rèn)不出一些數(shù)據(jù)集中的稀有魚類……這是因為，我們讓大模型“找東西”時，往往輸入的是文本。如果描述有歧義或太偏門，像是“bat”（蝙蝠還是拍子？）或“魔鳉”（Cyprinodon diabolis），AI就會大為困惑。這就導(dǎo)致用大模型做目標(biāo)檢測、尤其是開放世界（未知場…

原文鏈接：點此閱讀原文：讓大模型看圖比打字管用！NeurIPS 2023新研究提出多模態(tài)查詢方法，準(zhǔn)確率提升7.8%

聯(lián)系作者

文章來源：量子位

作者微信：QbitAI

作者簡介：追蹤人工智能新趨勢，關(guān)注科技行業(yè)新突破