カテゴリー： マルチモーダルAI

• 手動アノテーションを不要に！華人チームがマルチモーダル大規模モデルの自己進化アルゴリズムを提案
• Xiaohongshu、初のマルチモーダル大規模モデルdots.vlm1をオープンソース化、SOTAに迫る性能を発揮！
• マルチモーダル大規模言語モデルは本当に世界を「理解」しているのか？——MLLMの核心知識の欠陥を解き明かす
• 推論が増えるほど幻覚は深刻化するか？マルチモーダル推論モデルの「幻覚のパラドックス」
• 「待つ」を減らし、問題解決を増やす：NoWaitが大規模モデルの推論パスを再構築
• 描きながら考える！マルチモーダル推論が大幅に向上！
• R1型訓練はもはや結果の正誤だけでなく！香港中文大学がSophiaVL-R1モデルを発表
• 初のマルチモーダル専用スローシンキングフレームワーク！GPT-o1を7ポイント近く上回り、強化学習がVLMに「熟考」を促す
• OPA-DPO：マルチモーダル大規模モデルにおける幻覚問題の効率的な解決策
• LSTMの父が22年前に構想したアイデアは実現するのか？AI「自己進化」に関する論文が1週間で集中公開、新たなトレンドが台頭？
• 混合思考フレームワークMoT：モデルが「人間らしい思考」を学ぶことを可能に
• 画像だけで思考可能、強化学習が推論モデルの新パラダイムを創出！複雑なシーンの計画能力を最大化
• Gemini Diffusionよりも万能！初のマルチモーダル拡散型大規模言語モデルMMaDAが発表、強力な推論と高い制御性を両立
• RAG、Agent、マルチモーダルの産業実践と将来のトレンドを徹底解説
• マルチモーダル大規模モデルが軒並み失敗、GPT-4oの安全合格率はわずか50%：SIUOがクロスモーダルな安全盲点を明らかに
• Step Aheadの段楠氏との対話：「Diffusion能力の限界に触れているのかもしれない」
• コスト1/8でClaude 3.7に匹敵、「欧州のOpenAI」Mistral AIがマルチモーダル新モデルを発表