多式联运
什么是 DualTHOR？用于提高双臂机器人实际适应能力的新一代模拟器
什么是 DualTHOR？用于提高双臂机器人实际适应能力的新一代模拟器
GPT-4o 级图像生成的民主化：Janus-4o 和 ShareGPT-4o-Image 挑战
GPT-4o 级图像生成的民主化：Janus-4o 和 ShareGP ...
FedNano：大型多模态模型的轻量级高效分布式学习
FedNano：大型多模态模型的轻量级高效分布式学习
ImmerseGen：由代理引导的、轻量级的、高度逼真的下一代虚拟现实场景生成
ImmerseGen：由代理引导的、轻量级的、高度逼真的下一代虚拟现实 ...
为了让人工智能不会忘记图像，CoMemo 率先推出了下一代视觉和语言模型
为了让人工智能不会忘记图像，CoMemo 率先推出了下一代视觉和语言模 ...
SCIVER 的未来：多模式科学索赔验证的前沿
SCIVER 的未来：多模式科学索赔验证的前沿
嵌入式网络代理 "的挑战，新一代人工智能将物理与数字相结合
嵌入式网络代理 "的挑战，新一代人工智能将物理与数字相结合
GenRecal，一个用于轻量级高性能的通用蒸馏框架
GenRecal，一个用于轻量级高性能的通用蒸馏框架
ProtoReasoning：通过逻辑和规划磨练通用推理技能
ProtoReasoning：通过逻辑和规划磨练通用推理技能
建议采用混合优先优化方法，彻底改变多模态 LLM 的推理性能！
建议采用混合优先优化方法，彻底改变多模态 LLM 的推理性能！
UnifiedCrawl：低资源语言数据收集和高效 LLM 适应的新方法
UnifiedCrawl：低资源语言数据收集和高效 LLM 适应的新方 ...
其他
Insight-V：连接视觉与思维的多模态推理新策略
Insight-V：连接视觉与思维的多模态推理新策略
大规模语言模型改变音乐教育的未来，Flute X GPT 和 LAUI 的潜力
大规模语言模型改变音乐教育的未来，Flute X GPT 和 LAUI ...
大型语言模型
让法律硕士在白板上写下他们的推理过程，可以大大提高他们的视觉推理能力！
让法律硕士在白板上写下他们的推理过程，可以大大提高他们的视觉推理能力！
提示方法
![[SKETCHPAD] 利用中间草图增强](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2024/visual-sketchpad-520x300.png)
[SKETCHPAD] 利用中间草图增强多模态语言模型的推理能力
[SKETCHPAD] 利用中间草图增强多模态语言模型的推理能力
大型语言模型
![[Plot2Code] 用于测试多模式](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2024/plot2code-520x300.png)
[Plot2Code] 用于测试多模式 LLM 代码生成的基准
[Plot2Code] 用于测试多模式 LLM 代码生成的基准
大型语言模型
跨层关注大大减少了变压器内存
跨层关注大大减少了变压器内存
Transformer