迎战GPT-4V！清华唐杰&智谱发布多模态14边形战士，在线可玩！
对于一个科技周边开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《迎战GPT-4V！清华唐杰&智谱发布多模态14边形战士，在线可玩！》，主要介绍了，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！
看看这张图中有几个房子？如果你回答3个，就和GPT-4V的答案一样。
但是最新开源的国产多模态模型CogVLM-17B，就能看出另有玄机。
能够甚至区分出在图中完整可见的有3个和部分可见的有1个
CogVLM是由清华大学和智谱AI公司合作开发的项目，唐杰和丁铭是通讯作者。该项目的论文和开源代码已经上传到GitHub
CogVLM-17B在10个权威跨模态基准上取得了SOTA性能，除了这个独特的案例
另外在VQAv2, OKVQA, TextVQA, COCO captioning取得第二，超越或匹配谷歌的PaLI-X 55B。
与之前的开源多模态大模型相比，可以算是14边形战士。 与之前的开源多模态大模型相比，这个可以被称为14边形战士
雷达图中包含13个基准，最后一个TDIUC单独展现。
CogVLM可以回答各种类型的视觉问题，比如从马斯克的阴阳怪气中推理出小扎假装去旅行了，回避约架。
认出照片中的C罗，并回答他在2018年世界杯中有多少进球。
现在可以为带有图形的编程题提供代码了
可以甚至实现复杂目标检测，并为其打上标签，自动进行数据标注
从浅层对齐到深度融合
CogVLM模型由四个基本组件构成
- ViT编码器
- MLP适配器
- 大型预训练语言模型
- 视觉专家模块
其中，每层中都添加了可训练的视觉专家模块，以实现图像特征和文本特征的深度对齐，而不会牺牲任何NLP任务的性能。
之前主流的浅层对齐方法，如BLIP-2，图像特征和语言模型之间缺乏深度融合,导致性能不佳。
然而，对语言模型的所有参数进行微调又会损害其自然语言处理能力
CogVLM的方法可以说是改变了视觉语言模型的训练范式，从浅层对齐转向深度融合。
值得注意的是，CogVLM训练数据中没有专门的OCR数据，但却展现出了非常强大的文字识别能力
CogVLM开源并给出了在线试玩。
目前仅支持英文，但未来将提供中英双语版本支持，请持续关注
请尝试以下地址进行试玩：http://36.103.203.44:7861
请点击以下链接获取开源代码和论文地址：https://github.com/THUDM/CogVLM
今天关于《迎战GPT-4V！清华唐杰&智谱发布多模态14边形战士，在线可玩！》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于数据,训练的内容请关注golang学习网公众号！
微软AR眼镜专利：创新热插拔电池设计，解决续航问题
- 上一篇
- 微软AR眼镜专利：创新热插拔电池设计，解决续航问题
- 下一篇
- 文石发布 Note X3：AI 读写本，眼睛不会疲劳
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · GenAI · opentelemetry · 可观测性 · AI工程 · 人工智能 链路追踪 GenAI OpenTelemetry AI可观测性 LLM网关 Token统计
- AI 调用可观测架构：从散乱日志到 OpenTelemetry GenAI 字段统一
- 427浏览 收藏
-
- 科技周边 · 人工智能 | 5天前 | 人工智能 · 前端流式输出 · AI聊天 · Fetch Stream · 前端 AI聊天 流式输出 ReadableStream TextDecoder Fetch Stream
- AI 聊天流式输出前端配方：用 Fetch Stream 实现逐字渲染和中断控制
- 448浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- ljg-skills
- ljg-skills 是李继刚开源的 AI 技能与提示词集合，面向大模型使用者整理了一批可复用的 prompt、角色设定和任务技能模板，适合用于学习提示词设计、搭建个人 AI 工作流和沉淀团队常用智能体能力。
- 3497次使用
-
- MELO音乐
- MELO音乐是一站式AI视频与音乐制作助手，对标suno, udio的高品质体验。提供伴奏生成、原创写词、无损导出、哼唱识曲、混音变声等全套音频与短视频编辑工具。无论是流行Kpop、电音说唱、民谣古风、摇滚儿歌还是商用轻音乐，MELO为你免费谱曲，轻松做同款！
- 3226次使用
-
- UniScribe
- UniScribe 是一款 AI 音视频转文字与内容整理工具，支持上传音频、视频文件或粘贴 YouTube 链接，自动生成转写文本、摘要、思维导图和关键问题，并支持多格式导出，适合会议记录、课程学习、访谈整理和内容创作复盘。
- 3195次使用
-
- 剧云
- 剧云是专业中文剧本创作平台，安全稳定运行十余年，集成AI编剧、剧本医生审核、人物小传、剧情关系图、大纲编写、多人协作、Word导入导出、版权管控功能，数据安全防护，轻松高效创作剧本。
- 3402次使用
-
- 万象有声
- 万象有声，一个专为有声创作者打造的新一代智能有声内容创作平台。平台提供专业的智能拆章、智能画本编辑、AI配音、AI生成音效、后期制作、智能对轨、智能审听等有声创作全流程工具，可以帮助创作者高效、低成本创作出引人入胜的有声作品。立即体验，让有声书制作更简单！
- 3350次使用
-
- AI写作工具免费版安装教程（含豆包Clawdbot）
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗？输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
-
- Hermes Agent依赖的工具链有哪些 必备工具链介绍
- 2026-05-05 501浏览
-
- 千问AI官网地址链接入口_千问AI官方网站登陆入口
- 2026-05-05 501浏览
