【AiBase提要:】未来,谁能更快吸引专业人才加入,谁能尽快适应品牌直播的快节奏、强创意,谁就能先行一步。
2. 斯坦福研究人员利用维基百科数据训练大模型WikiChat,成功减轻了幻觉问题,并在事实准确性和对话性方面超过了其他模型。
论文地址:https://aclanthology.org/2023.findings-emnlp.157.pdf
它不仅可以从图片中提取信息并回答问题,还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等,展现出了强大的多模态能力。在性能上接近GPT-4的情况下,LLaVA具有更高的成本效益,训练只需要8个A100即可在1天内完成。