拋棄視覺編碼器，這個「原生版」多模態大模型也能媲美主流方法

AIGC動態歡迎閱讀

原標題：拋棄視覺編碼器，這個「原生版」多模態大模型也能媲美主流方法
關鍵字：模型,視覺,編碼器,語言,數據
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com一作刁海文，是大連理工大學博士生，導師是盧湖川教授。目前在北京智源人工智能研究院實習，指導老師是王鑫龍博士。他的研究興趣是視覺與語言，大模型高效遷移，多模態大模型等。共同一作崔玉峰，畢業于北京航空航天大學，是北京智源人工智能研究院視覺中心算法研究員。他的研究興趣是多模態模型、生成模型和計算機視覺，主要工作有 Emu 系列。
近期，關于多模態大模型的研究如火如荼，工業界對此的投入也越來越多。國外相繼推出了炙手可熱的模型，例如 GPT-4o （OpenAI）、Gemini（Google）、Phi-3V （Microsoft）、Claude-3V（Anthropic），以及 Grok-1.5V（xAI）等。與此同時，國內的 GLM-4V（智譜 AI）、Step-1.

原文鏈接：拋棄視覺編碼器，這個「原生版」多模態大模型也能媲美主流方法

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