橫掃13個(gè)視覺語言任務(wù)！哈工深發(fā)布多模態(tài)大模型「九天」，性能直升5%

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：橫掃13個(gè)視覺語言任務(wù)！哈工深發(fā)布多模態(tài)大模型「九天」，性能直升5%

關(guān)鍵字：視覺,任務(wù),圖像,模型,語言

文章來源：新智元

內(nèi)容字?jǐn)?shù)：9346字

內(nèi)容摘要：新智元報(bào)道編輯：LRS【新智元導(dǎo)讀】哈工深發(fā)布全新多模態(tài)大語言模型九天（JiuTian-LION），融合細(xì)粒度空間感知和高層語義視覺知識(shí)，在13個(gè)評(píng)測(cè)任務(wù)上實(shí)現(xiàn)了sota性能。為了應(yīng)對(duì)多模態(tài)大語言模型中視覺信息提取不充分的問題，哈爾濱工業(yè)大學(xué)（深圳）的研究人員提出了雙層知識(shí)增強(qiáng)的多模態(tài)大語言模型-九天（JiuTian-LION）。論文鏈接: https://arxiv.org/abs/2311.11860GitHub: https://github.com/rshaojimmy/JiuTian項(xiàng)目主頁: https://rshaojimmy.github.io/Projects/JiuTian-LION與現(xiàn)有的工作相比，九天首次分析了圖像級(jí)理解任務(wù)和區(qū)域級(jí)定位任務(wù)之間的內(nèi)部沖突，提出了分段指令微調(diào)策略和混合適配器來實(shí)現(xiàn)兩種任務(wù)的互相提升。通過注入細(xì)粒度空間感知和高層語義視覺知識(shí)，九天實(shí)現(xiàn)了…

原文鏈接：點(diǎn)此閱讀原文：橫掃13個(gè)視覺語言任務(wù)！哈工深發(fā)布多模態(tài)大模型「九天」，性能直升5%

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(tái)，致力于推動(dòng)中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點(diǎn)關(guān)注人工智能、機(jī)器人等前沿領(lǐng)域發(fā)展，關(guān)注人機(jī)融合、人工智能和機(jī)器人對(duì)人類社會(huì)與文明進(jìn)化的影響，領(lǐng)航中國新智能時(shí)代。