AIGC動態歡迎閱讀

原標題：與Sora一樣能生成視頻、圖像，還能一次解讀100萬數據！
關鍵字：華為,字節跳動,模型,侵權,序列
文章來源：AI前線
內容字數：4078字

內容摘要：

來源| AIGC開放社區
大語言模型（LLM）在生成文本內容方面非常強，但在理解、生成視頻、圖像等方面略顯不足。尤其是在 Sora 一夜爆紅之后，讓人們意識到未來主流模型一定是文本 + 音頻 + 圖像 + 視頻的多模態生成、理解功能。
因此，加州大學伯克利分校的研究人員開源了一種訓練數據更多、理解能力更強的基礎模型——大世界模型（Large World Model，簡稱“LWM”）。
LWM 是一種通用的多模態自回歸模型，與前不久谷歌發布的 Gemini 1.5 一樣，一次性可精準解答 100 萬 tokens 的視頻、文本，例如，LWM 可以正確回答 1 小時 YouTube 視頻中包含 500 多個視頻片段的問題。
開源地址：https://github.com/LargeWorldModel/LWM
論文地址：https://arxiv.org/abs/2402.08268
huggingface：https://huggingface.co/LargeWorldModel
此外，LWM 可以精準檢索 100 萬 tokens 文本中的內容，同時與 Sora 一樣具備文本生成視頻

原文鏈接：與Sora一樣能生成視頻、圖像，還能一次解讀100萬數據！

聯系作者

文章來源：AI前線
作者微信：ai-front
作者簡介：面向AI愛好者、開發者和科學家，提供大模型最新資訊、AI技術分享干貨、一線業界實踐案例，助你全面擁抱AIGC。