搞定影象+文字+影片大一統！智源釋出多模態世界模型Emu3：下一個token預測直通AGI

2024-10-23 01:35:22 5

作者 | 智源研究院

OpenAI前首席科學家、聯合創始人Ilya Sutskever曾在多個場合表達觀點：只要能夠非常好的預測下一個token，就能幫助人類達到通用人工智慧（AGI）。

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，智源研究院正式釋出原生多模態世界模型Emu3。該模型只基於下一個token預測，無需擴散模型或組合方法，即可完成文字、影象、影片三種模態資料的理解和生成。

本文標籤

相關文章

最新發布

最新推薦

歡迎來到貳閱資訊平台，這裏是壹個彙聚了娛樂風采、時尚潮流、健康生活、金融市場動態、體育激情、曆史深度、科技創新及IT前沿等多元化領域的綜合型文章站點。我們致力于打造壹個豐富多彩的信息世界，讓每壹位訪客都能在這裏找到屬于自己的興趣與熱情。