Logit Lens方法已经得到了增强，该方法通过分解logit输出，帮助我们理解Transformer模型的决策过程。这种方法使用“prisms”来处理残差流，注意力层和MLP层，揭示了这些部分如何影响预测，并为gemma-2b模型执行的诸如...

微软最近发布了一套名为Florence-2的MIT许可的小型视觉语言模型（VLMs）。这套模型在图像标注、边界识别和分类等任务上，表现出色，大大超过了许多体型更大的模型。Florence-2模型的发布，标志着微软在人工智能和机...

FireFunction-v2是一个开放模型，它在功能调用基准上与GPT4-o相匹配，这个模型是在Llama 3 70B的基础上训练出来的。这一模型的开发将为AI领域带来新的突破。FireFunction-v2的性能表现优秀，证明了它在处理大规模数...

近期，开源的本地代理工具Open Interpreter刚刚完成了一次重大升级。据了解，此次升级让这款工具具备了无缝控制计算机的能力，而且可以全程离线、本地运行。这意味着用户无需连接互联网，就可以自由使用这款工具，极...

IBM最近在GitHub上发布了Granite代码模型，这些开放模型具有最先进的代码性能，能够进行深度升级以初始化更大的模型。与许多其他代码模型不同，这些模型还擅长修复代码、解释代码以及评估改进空间。这些模型的开放性...

子对象标记化为视觉模型理解图像开辟了新的途径。不同于将图像划分为固定的方形片段，采用子对象标记化的模型会从有意义的段落，例如物体的部分来观察图像。这种新的视觉模型理解方式，相比传统的划分方案，可能更加...

蜥蜴（Chameleon）是一个早期融合模型，它能同时操作图像和文本标记。其团队几周前发布了这篇论文。现在，他们已经发布了模型检查点以及推理代码。这一模型的发布，标志着图像和文本融合技术的新进展，同时，它的开...

近日，一款名为Duoduo CLIP的3D表征学习模型引起了业界的广泛关注。与传统的3D表征学习模型不同，Duoduo CLIP采用多视图图像，而非点云数据作为输入。这种独特的设计，使得Duoduo CLIP在3D表征学习的效果上，可能会...