- 博客(305)
- 收藏
- 关注
原创 【LMM 011】MiniGPT-5:通过 Generative Vokens 进行交错视觉语言生成的多模态大模型
引入了一种创新的交错视觉语言生成技术,该技术以generative vokens为基础,协调图像和文本输出。采用独特的两阶段训练策略,侧重于无描述多模态生成。
2024-01-06 20:12:35 1348
原创 【LMM 010】MiniGPT-v2:使用独特的标识符实现视觉语言多任务学习的统一的多模态大模型
通过简单的多模态指令有效地完成各种视觉语言任务。
2024-01-05 01:15:21 1349
原创 【LMM 009】MiniGPT-4:使用 Vicuna 增强视觉语言理解能力的多模态大模型
将视觉特征与先进的大型语言模型进行对齐,可以拥有 GPT-4 所展示的众多先进的多模态能力。
2024-01-05 01:10:24 1316
原创 【LMM 008】Instruction Tuning with GPT-4
首次尝试使用 GPT-4 生成用于 LLM 微调的指令遵循数据。对经过指令微调的 LLaMA 模型进行实验,GPT-4 生成的 52K 中英文指令遵循数据在新任务上的零样本性能优于之前最先进模型生成的指令遵循数据。
2024-01-03 00:34:59 1111
原创 【LMM 007】Video-LLaVA:通过投影前对齐以学习联合视觉表征的视频多模态大模型
Video-LLaVA,它可以从图像和视频的混合数据集中学习,并相互促进。Video-LLaVA 在 5 个图像问题解答数据集和 4 个图像基准工具包的 9 个图像基准中取得了优异的性能。
2024-01-02 03:15:00 1423
原创 【LMM 006】LLaVA-Plus:可以学习如何使用工具的多模态Agent
LLaVA-Plus 维护着一个技能库,其中包含大量经过视觉和视觉语言预训练的模型(工具),并能根据用户的多模态输入激活相关工具,在运行过程中组成执行结果,以完成许多现实世界的任务。
2024-01-02 02:45:00 1909
原创 【LMM 005】LLaVA-Interactive:集图像聊天,分割,生成和编辑三种多模态技能于一体的Demo
LLaVA-Interactive 结合了预建AI模型的三种多模态技能,无需额外的模型训练:视觉聊天,图像分割以及图像生成和编辑。
2024-01-02 02:30:00 1024
原创 【LMM 004】LLaVA-RLHF:用事实增强的 RLHF 对齐大型多模态模型
为了解决多模态未对齐问题,将文本领域的人类反馈强化学习(RLHF)应用到视觉语言对齐任务中,提出了一种名为事实增强的算法,提高了模型性能。
2024-01-01 22:10:15 1203
原创 【LMM 003】LLaVA-Med:生物医学领域的垂直类大型多模态模型
LLaVA-Med 具备出色的多模态会话能力,可以按照开放指令协助回答生物医学图像问题。
2024-01-01 22:00:44 1175
原创 【LMM 002】LLaVA-1.5:大型语言和视觉助手
对 LLaVA 进行了简单的修改,即使用 CLIP-ViT-L-336px 与 MLP 投影,并添加了以学术任务为导向的 VQA 数据和简单的响应格式提示,从而建立了更强大的基线,在 11 项基准测试中达到了最先进的水平。
2024-01-01 21:55:46 1179
原创 【LMM 001】LLaVA:大型语言和视觉助手
端到端训练的大型多模态模型 LLaVA,它将视觉编码器和 LLM 连接起来,用于通用的视觉和语言理解。
2024-01-01 21:50:24 1633
原创 【具身智能评估10】ThreeDWorld: A Platform for Interactive Multi-Modal Physical Simulation
一个交互式多模态物理仿真平台。TDW 可在丰富的3D环境中模拟高保真感官数据以及移动智能体(mobile agent)和物体之间的物理交互。
2023-12-19 05:00:00 1104
原创 【具身智能评估9】Open X-Embodiment: Robotic Learning Datasets and RT-X Models
我们汇集了 21 家机构合作收集的 22 种不同机器人的数据集,展示了 527 种技能(160266 项任务)
2023-12-19 04:45:00 1207 2
原创 【具身智能评估8】BEHAVIOR-1K: A Benchmark for Embodied AI with 1,000 Everyday Activities and ...
1000 种日常活动,50 个场景,5000 多个标注了丰富物理和语义属性的物体。OMNIGIBSON,一个新的模拟环境,通过对刚体、可变形体和液体进行逼真的物理模拟和渲染来支持这些活动。
2023-12-19 04:30:00 2402
原创 【具身智能评估7】ProcTHOR: Large-Scale Embodied AI Using Procedural Generation
一个程序化生成具身人工智能环境的框架。
2023-12-19 04:15:00 1707
原创 【具身智能评估6】Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots
一个用于研究家庭环境中人机协作(collaborative human-robot)任务的模拟平台。
2023-12-19 04:00:00 1181
原创 【具身智能评估5】ALFWorld: Aligning Text and Embodied Environments for Interactive Learning
ALFWorld 是一种模拟器,能让智能体在 TextWorld 中学习基于文本的抽象策略,然后在丰富的可视化环境中执行 ALFRED 基准中的目标。
2023-12-19 03:45:00 2255
原创 【具身智能评估4】ALFRED: A Benchmark for Interpreting Grounded Instructions for Everyday Tasks
这是一个学习从自然语言指令和自我中心(egocentric)视觉到家庭任务行动序列映射的基准。
2023-12-19 03:30:00 1181
原创 【具身智能评估2】具身视觉语言规划(EVLP)数据集基准汇总
解决 EVLP 任务通常需要使用仿真环境和数据集。仿真平台和数据集有助于复现和评估具身智能系统。
2023-11-19 15:03:45 669
原创 【具身智能评估1】具身视觉语言规划(EVLP)仿真环境汇总
解决 EVLP 任务通常需要使用仿真环境和数据集。仿真平台和数据集有助于复现和评估具身智能系统。
2023-11-18 13:03:24 623
原创 【Agent 001】MemGPT: Towards LLMs as Operating Systems
MemGPT 能智能地管理 Agent 不同的记忆层,以便在 LLM 的有限上下文窗口内有效地提供扩展上下文,并利用中断来管理自身与用户之间的控制流。
2023-11-05 12:16:16 827 1
原创 【EAI 003】RT-1: Robotics Transformer for Real-World Control at Scale
通用机器人模型成功的关键之一在于开放式的任务无关的训练,以及能够吸收所有不同机器人数据的大容量架构。本文提出了 Robotics Transformer 模型,其具有良好的可扩展模型特性。
2023-10-23 01:17:42 518 3
原创 【EAI 002】A Survey of Embodied AI: From Simulators to Research Tasks
具身人工智能领域从模拟器到研究的综述。提出的七大特点评估目前的九种具身人工智能模拟器,本文旨在了解这些模拟器在具身人工智能研究中的应用及其局限性。最后,本文概述了具身人工智能的三大研究任务--视觉探索,视觉导航和具身问答(QA),涵盖了最先进的方法、评估指标和数据集。最后,本文将根据对该领域的综述所获得的新见解,为选择任务模拟器提出建议,并为该领域的未来发展方向提出建议。
2023-10-21 13:14:05 723
原创 【EAI 001】PaLM-E: 用于具身智能相关任务的多模态语言模型
提出了具身语言模型,将真实世界的连续的传感器模态直接纳入语言模型,从而建立词语与感知之间的联系。模型的输入是多模态句子,这些句子交错了视觉、连续状态估计和文本输入编码。
2023-10-15 21:23:35 1406
原创 【LLM微调范式1】Prefix-Tuning: Optimizing Continuous Prompts for Generation
在本文中,我们提出了前缀调优(prefix-tuning)技术,这是自然语言生成任务中微调技术的轻量级替代方案,它可以冻结语言模型参数,但会优化一个小的连续任务特定向量(称为前缀)。
2023-10-15 21:12:10 1615
原创 千脑智能理论会是未来指引智能机器设计的理论基石吗?
未来的人工智能将以与现在不同的原理为基础,新的原理更加接近模拟人类大脑。真正的智能机器、通用人工智能将像大脑新皮质一样,使用类似于地图的参考系来学习世界模型。
2023-09-24 23:20:19 251
原创 吴恩达ChatGPT《Finetuning Large Language Models》笔记
介绍了什么是微调,微调的作用和重要性,从数据准备到训练再到评估模型的步骤。
2023-09-17 21:28:49 2026 11
原创 吴恩达ChatGPT《LangChain Chat with Your Data》笔记
文档加载器,RAG,文档分割器,向量存储,语义检索,MMR,压缩,问答检索器,记忆能力。
2023-07-23 00:53:09 1609
原创 吴恩达AIGC《How Diffusion Models Work》笔记
扩散模型,去噪,采样,DDPM,DDIM,U-Net,上下文融入模型。
2023-07-02 22:36:18 1876 12
原创 吴恩达ChatGPT《LangChain for LLM Application Development》笔记
提示词模板,解析器,模型记忆,思维推理链,模型评估,模型代理。
2023-07-02 12:54:04 3603 1
原创 吴恩达ChatGPT《Building Systems with the ChatGPT API》笔记
使用ChatGPT API搭建一个端到端的客户问答机器人
2023-06-22 22:48:22 5498 2
原创 【MSRA文档智能综述论文】Document AI: Benchmarks, Models and Applications
深度学习技术的普及极大地推动了文档智能领域的发展,以文档版面分析、文档信息抽取、文档视觉问答以及文档图像分类等为代表的文档智能任务都有显著的性能提升。
2022-10-23 11:05:09 1794
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人