¡La atención de los desarrolladores globales vuelve a centrarse en China! En la muy esperada Conferencia Mundial de Desarrolladores (GDC), la comunidad de Alibaba Cloud ModelScope anunció el lanzamiento de dos nuevos modelos multimodales de código abierto de Step-Star, incluyendo
Nota de la fuente de la imagen: Imagen generada por IA, proveedora de servicios de licencias de imágenes Midjourney
El equipo de Fei-Fei Li ha presentado un nuevo modelo multimodal capaz de comprender y generar acciones humanas, y mediante la combinación de un modelo de lenguaje, ha logrado un procesamiento unificado del lenguaje oral y no verbal. Este avance innovador permite que las máquinas no solo comprendan las instrucciones humanas, sino que también interpreten las emociones implícitas en las acciones, lo que permite una interacción humano-máquina más natural. El núcleo del modelo radica en su marco de modelo de lenguaje multimodal, capaz de recibir entradas de diversas formas como audio, acciones y texto, y generar datos modales necesarios. Combinado con una estrategia de preentrenamiento generativo, el modelo...
El 21 de septiembre de 2024, Alibaba anunció en la Cumbre de Cloud Computing de Hangzhou varias innovaciones tecnológicas y novedades en el desarrollo de negocios. Entre ellas, el lanzamiento oficial de la sección dedicada a AIGC en la Comunidad de Modas, con el objetivo de proporcionar a los desarrolladores una plataforma integral para la creación y el desarrollo de IA. Esta plataforma ofrece actualmente de forma gratuita todos los módulos funcionales y la capacidad de procesamiento de GPU. En esta primera fase se han lanzado 157 modelos multimodales cuidadosamente seleccionados, incluyendo modelos populares de la comunidad y modelos LoRa de estilo variado aportados por diseñadores.
El equipo de OpenCompass de Shanghai AI Lab, en colaboración con ModelScope, ha lanzado Compass Multi-Modal Arena, una nueva sección de la plataforma de evaluación de modelos grandes centrada en modelos multimodales. Los usuarios pueden cargar una imagen y plantear una pregunta, permitiendo que dos modelos multimodales anónimos generen respuestas. Posteriormente, se realiza una evaluación subjetiva de la calidad del contenido generado para elegir el modelo con mejor rendimiento. La plataforma ofrece una interfaz fácil de usar y un banco de preguntas especial, cuyo contenido se detalla más adelante.
