走在GPT 4.5前面？3D、視頻直接扔進對話框，大模型掌握跨模態推理

AIGC動態歡迎閱讀

原標題：走在GPT 4.5前面？3D、視頻直接扔進對話框，大模型掌握跨模態推理

關鍵字：模型,數據,解讀,能力,音頻

文章來源：機器之心

內容字數：8603字

內容摘要：機器之心報道編輯：Panda W最近，有人在社交媒體上發布了一張有關 GPT4.5 更新的截圖。圖中內容顯示，和 GPT 系列之前推出的模型相比，GPT4.5 最大的驚喜可能就是處理 3D 和視頻的能力。至于 3D 能力到底是指看得懂 3D 圖像，還是能輸入 3D 模型，目前只能靠猜。OpenAI CEO Sam Altman 隨后否認了該截圖的真實性，GPT4.5 的具體能力依然是一個謎。不過，在眾多研究中，確實已經有大模型實現了多個模態同時處理，甚至連視頻、3D 模型也囊括了進來。給你一首曲子的音頻和一件樂器的 3D 模型，然后問你這件樂器能否演奏出這首曲子。你可以通過聽覺來辨認這首曲子的音色，看它是鋼琴曲還是小提琴曲又或是來自吉他；同時用視覺識別那是件什么樂器。然后你就能得到問題的答案。但語言模型有能力辦到這一點嗎？實際上，這個任務所需的能力名為跨模態推理，也是當今多模態大模型研究熱…

原文鏈接：點此閱讀原文：走在GPT 4.5前面？3D、視頻直接扔進對話框，大模型掌握跨模態推理

聯系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業的人工智能媒體和產業服務平臺