2017年9月,在墨西哥城发生8.2级地震前约两分钟,刺耳的警报器提醒居民地震即将来临。
为了解决幻觉问题,研究人员采用了检索增强生成(RAG)的方法,并添加了几个重要步骤来进一步减轻幻觉,并改进对话性指标。通过这些优化,WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外,研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型,这个模型在事实准确性方面能达到91.1%的高分,并且运行速度提高了6.5倍,能效更好,可以本地部署。
LLaVA是一个端到端训练的多模态大模型,它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合,具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型,拥有110亿个视觉参数和70亿个语言参数。
论文地址:https://arxiv.org/pdf/2312.08914.pdf
48. 通过 Chat GPT 在博物馆和画廊中人工智能生成的艺术描述:为艺术品提供引人入胜且信息丰富的描述,增强游客体验。