CogAgent：一款面向图形用户界面的18亿参数视觉语言模型
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
CogAgent：我们的「Computer Use」
...
CogAgent：具备GUI能力的大模型
...
Vary: 大型视觉语言模型视觉词汇扩展新方法
...
面向大型语言模型的有约束文本生成方法
...
VCoder：为多模态大型语言模型提供视觉编码器的多功能视觉编码器
...
LLAMA PRO：基于Transformer块扩展的渐进式大型语言模型
...
JaxMARL: Multi-Agent RL Environments in JAX
...
李飞飞团队佳作不断：聚焦机器人抓取交互，让机器人操作真正地适应各种环境
...
MusicAgent: An AI Agent for Music Understanding and Generation with Large Langua
...
PromptBench：全面评估大型语言模型的统一框架
...
PixelLLM：通过像素对齐实现视觉语言模型的精确定位
...
基于统一视觉语言模型的图像和视频混合学习
...
CLIP作为RNN：无需训练即可分割无数视觉概念
...
MindAgent: LLM Multi-Agents Collaboration Benchmark
...
基于协同学习的可组合视觉语言模型
...
LLaVA-Grounding：实现大型多模态模型的基于视觉的聊天
...
SOTOPIA-$π$: Interactive Learning of Socially Intelligent Language Agents
...
面向潜扩散模型的高效量化策略
...
FedKSeed：实现低通信开销的十亿级语言模型联合全参数微调
...
Video-Bench: 全面评估视频大型语言模型的基准测试和工具包
...
Vision-Language Models are Zero-Shot Reward Models for Reinforcement Learning
...
More Agents Is All You Need
...
基于潜在变量推断的训练链式思维提升语言模型推理能力
...
开源 | 场景语言的力量：用程序、单词和嵌入表示 场景,精准描绘3D/4D世界
...
基于语言模型的理解与规划框架
...
第90集 | 视觉语言模型 | 多模态、图像描述、文本生成图像 | VLM 的优势
...
多模态大型语言模型深度比较：Gemini与GPT-4V的全面评估与结合
...
大型语言模型：从训练到推理的全面综述
...
大规模语言模型结合神经符号模型的生成型神经符号视觉推理
...
无需相机参数的3D高斯散射：COLMAP-Free 3DGS实现稳健的视角合成与姿态估计
...
GPT-4V在视觉问答任务中的能力评估
...
北大发布多模态大模型LLaVA-o1，推理计算Scaling新思路
...
闪电注意力-2：大型语言模型处理无限序列长度的高效方法
...
大型语言模型作为优化器
...
Densely Captioned Images: 评估视觉语言模型的新基准
...
基于认知树的小型语言模型推理能力提升
...
大型语言模型效率研究综述
...
TinyLlama：开源小型语言模型的新突破
...
LLaVA-Plus: Learning to Use Tools for Creating Multimodal Agents
...
HallusionBench: You See What You Think? Or You Think What You See? An Image-Cont