-
字节发布视觉基础模型ViTamin，多项任务实现SOTA
引言 在计算机视觉领域，随着大规模图像-文本对的兴起，视觉-语言模型（VLMs）已成为研究的热点。ViTamin，全称为“Vision TrAnsforMer for vIsion-laNguage”，是由 Johns Hopkins University 和 ByteDance 的研究者共同开发的一种新型视觉模型，旨在为视觉-语言时代设计可扩展的视觉模型。ViTamin 在多项任务中取得了显著的…... -
微软发布新模型Phi-3: mini版超越Llama 3，手机可流畅运行
引言 最近，开源模型世界相当热闹，前有WizardLM-2由自我合成数据训练而成达到近乎于gpt-4的水平，后有Meta重磅发布Llama 3。昨日，微软推出了开源模型Phi-3，这是一款专为手机设计的高效语言模型，目的是将强大的语言能力带入日常设备中。 Phi-3模型概述 Phi-3-mini是一款具有3.8亿参数的模型，在3.3万亿令牌上接受训练，能够在多项学术基准上展现出卓越性能。最大的特点…...
