武汉大学、上海人工智能实验室、香港中文大学和MThreads的研究人员推出基准测试和指令调整数据集MMDU（Multi-Turn Multi-Image Dialog Understanding），专门为大型视觉语言模型（LVLMs）设计的。这些模型就像人工智能助手，能够理解图片和文字，然后给出回应。但是，现有的AI助... 阅读全文

艾伦人工智能研究所、华盛顿大学、加州大学圣巴巴拉分校和滑铁卢大学的研究人员推出WILDVISION，它是一个用于评估视觉-语言模型（VLMs）在现实世界中表现的在线平台。WILDVISION通过收集人类偏好来评估这些模型，特别是在多轮对话和多模态交互中的表现。例如，你是一名AI研究员，想要比较不同视觉-语言模型在理解一... 阅读全文

Zoomtuic 一种新的强化学习方法WPO（加权偏好优化），它用于改善大语言模型（LLMs）与人类价值观的一致性。具体来说，WPO旨在解决在使用人类反馈进行强化学习（RLHF）时遇到的一些问题，尤其是在离策略（off-policy）偏好优化的情况下。例如，我们有一个聊天机器人，我们希望它在对话中提供安全、有帮助且准确... 阅读全文

延世大学和首尔国立大学的研究人员推出新型对话系统框架THEANINE，它专注于改善长期对话中的记忆管理问题。在长期对话中，比如与智能助手聊天时，系统需要记住之前对话的内容，以便在后续的对话中能够准确引用。然而，现有的大型语言模型（LLMs）在处理这类对话时，常常会出现忽略或错误回忆过去信息的情况。 项目主页：https... 阅读全文

新加坡国立大学和Meta的研究人员推出在线视频大型语言模型VideoLLM-online，它专为流媒体视频设计，能够实时理解和生成与视频内容相关的对话。例如，你戴着一副智能眼镜，而这副眼镜能够实时分析你看到的场景，并与你进行交流，比如在你做饭的时候告诉你下一步该做什么，或者在你观看教学视频时回答你的问题，这就是Vide... 阅读全文

马里兰大学帕克分校的研究人员推出大型图像描述数据集PixelProse，PixelProse包含了超过1600万个由先进的视觉-语言模型自动生成的图像描述。例如，一个艺术家想要了解他的画作在视觉上给人的感受，PixelProse可以帮助分析图像的美学属性并生成描述，这样艺术家就可以得到关于作品可能给观众带来的情感体验的... 阅读全文

上海人工智能实验室OpenGVLab、复旦大学、清华大学、香港中文大学、南京大学、商汤科技研究院和香港大学的研究人员推出新基准测试MM-NIAH，专门用来评估多模态大语言模型（MLLMs）理解长篇多模态文档的能力。例如，我们有一个包含多个图像和文本段落的长文档，其中描述了一个病例。MM-NIAH基准测试要求模型在文档中... 阅读全文

上海人工智能实验室、哈尔滨工业大学、南京大学、复旦大学、香港中文大学、商汤科技研究院和清华大学的研究团队推出大规模多模态数据集OmniCorpus，它包含了十亿级别的图像和文本数据，这些数据以自然文档的格式排列，模仿了互联网数据的呈现方式，也符合人类的阅读习惯。这个数据集的建立旨在推动多模态大型语言模型（MLLMs）的... 阅读全文

微软发布论文，论文的主题是探讨大语言模型（LLMs）在医学问题回答中的鲁棒性，即这些模型在面对现实世界临床环境时，其性能是否能够稳定地泛化。论文的核心观点是，尽管LLMs在医学问题回答的基准测试中表现出色，但这并不意味着它们在真实的临床环境中也能同样表现良好。基准测试通常基于某些假设，而这些假设在现实世界中可能并不成立... 阅读全文

谷歌发布论文，论文的主题是提升大语言模型（LLMs）在数学推理方面的表现。例如，你有一个大型语言模型助手，你问它“一个篮子里有5个苹果，我拿走了2个，篮子里还有几个？”一个普通的助手可能会简单地回答“3个”。但是，如果你使用了一个经过OmegaPRM算法训练的高级助手，它可能会这样回答：“首先，我们知道篮子里原本有5个... 阅读全文

康乃尔科技校区推出一种新型的语言模型MDLM（简单高效的掩蔽扩散语言模型）。这种模型在生成文本方面表现出色，特别是在与自回归（AR）方法相比时，显示出了更好的性能。通过对比实验展示了MDLM在多个语言模型基准测试中的性能，并且提供了代码链接，供研究者进一步探索和使用。 项目主页：https://s-sahoo.com/... 阅读全文

昆仑万维旗下天工AI发布大语言模型（LLM）训练技术Skywork-MoE，Skywork-MoE是一个具有1460亿参数和16个专家的高性能混合专家（Mixture-of-Experts，简称MoE）模型。这个模型是从Skywork-13B模型的密集型检查点初始化而来的。通过实验结果表明，Skywork-MoE在多个... 阅读全文