AIGC動態歡迎閱讀

原標題：Ilya預言成真，下一個token預測直達AGI！智源首發原生多模態世界模型Emu3，不用擴散
關鍵字：模型,數據,視覺,圖像,視頻
文章來源：新智元
內容字數：0字

內容摘要：

新智元報道編輯：編輯部 HYZ
【新智元導讀】最近，Ilya向黃仁勛描述「只要能預測下一個token，就能達到AGI」的視頻再次爆火全網，他的預言剛剛竟被證實？智源研究院基于下一個token預測，發布了原生多模態世界模型Emu3，無需擴散即可理解生成三種模態數據！雖然，下一token預測已在大語言模型領域實現了ChatGPT等突破，但是在多模態模型中的適用性仍不明確，多模態任務仍然由擴散模型（如Stable Diffusion）和組合方法（如結合CLIP視覺編碼器和LLM）所主導。
2024年10月21日，智源研究院正式發布原生多模態世界模型Emu3。該模型只基于下一個token預測，無需擴散模型或組合方法，即可完成文本、圖像、視頻三種模態數據的理解和生成。Emu3在圖像生成、視頻生成、視覺語言理解等任務中超過了SDXL、LLaVA、OpenSora等知名開源模型，但是無需擴散模型、CLIP視覺編碼器、預訓練的LLM等技術，只需要預測下一個token。
在圖像生成任務中，基于人類偏好評測，Emu3優于SD-1.5與SDXL模型。在視覺語言理解任務中，對于12項基準測試的平均得分，Em

原文鏈接：Ilya預言成真，下一個token預測直達AGI！智源首發原生多模態世界模型Emu3，不用擴散

聯系作者

文章來源：新智元
作者微信：
作者簡介：