TSXDEY64D2K_厦门光沃自动化设备有限公司

产品中心

TSXDEY64D2K
更新时间：2025-02-02
联系方式

18030229050 / 0592-5709821
欧阳先生（销售）
举报

收藏该店铺
已收藏

详细信息

TSXDEY64D2K微软推出多模态大语言模型 KOSMOS-1，印证大语言模型能力可延伸至 NLP 外领域。该模型采用多模态数据训练，可感知图片、文字等不同模态输入，并学习上下文，根据给出的指令生成回答的能力。经过测试比较，KOSMOS 在语言理解、语言生成、无 OCR 文本分类、常识推理、IQ 测试、图像描述、零样本图像分类等任务上都取得了相比之前其他单模态模型效果。

专家测试了 KOSMOS-1 的不同能力，并分别与其他 AI 模型进行了对比，包括：

l语言任务：语言理解、语言生成、无 OCR 文本分类（不依赖光学字符识别直接理解图中文本）

l跨模态迁移：常识推理（如提问物体的颜色，问两个物体比大小，将 KOSMOS-1 和单模态的大语言模型比较，发现 KOSMOS-1 受益于视觉知识能完成更准确推理）

l非语言推理：IQ 测试(如图中的图形推理)

l感知-语言任务：图像描述生成、图像问答、网页问答

l视觉任务：零样本图像分类、带描述的零样本图像分类(如图中的鸟类识别问题)

机器人视觉与多模态GPT之间的交互关系

1.机器人视觉为多模态GPT提供大量训练样本

TSXDEY64D2K

Zoom

44C-742174-008#R02