El 4 de septiembre de 2024, el Instituto de Inteligencia Artificial de Beijing (BAAI) anunció el lanzamiento de FlagEval, el primer servicio de evaluación de modelos de confrontación a nivel mundial que incluye la generación de vídeo a partir de texto. Este servicio está abierto a los usuarios, cubre aproximadamente 40 modelos grandes nacionales e internacionales, y admite la evaluación personalizada en línea o fuera de línea de cuatro tareas principales: preguntas y respuestas en lenguaje natural, comprensión de imágenes y texto multimodales, generación de imágenes a partir de texto y generación de vídeo a partir de texto.

El Instituto de Investigación de Inteligencia Artificial de Beijing Zhiyuan y el Instituto de Investigación de Inteligencia Artificial de China Telecom se han asociado para lanzar una versión mejorada de la serie de grandes modelos Tele-FLM, que incluye el modelo de instrucciones FLM-2-52B-Instruct y el modelo de billones de parámetros Tele-FLM-1T. FLM-2-52B-Instruct, mediante el ajuste de instrucciones, se centra en mejorar la capacidad de conversación en chino, alcanzando el 90% del nivel de GPT-4. Se basa en el modelo base Tele-FLM-52B y utiliza un conjunto de datos específico y optimización de parámetros. Tele-F

Recientemente, la investigación y aplicación de modelos multimodales de gran envergadura han experimentado un progreso notable. Empresas extranjeras como OpenAI, Google y Microsoft han lanzado una serie de modelos avanzados, y en China, instituciones como Zhipu AI y Jieyue Xingchen también han logrado avances en este campo. Estos modelos suelen depender de codificadores visuales para extraer características visuales y combinarlas con modelos de lenguaje de gran envergadura, pero presentan el problema de sesgo de inducción visual debido a la separación del entrenamiento, lo que limita la eficiencia y el rendimiento del despliegue de los modelos multimodales de gran envergadura.

El Instituto de Inteligencia Artificial de Beijing (Beijing Academy of Artificial Intelligence, BAAI) ha publicado recientemente el modelo Uni3D, un modelo de visión 3D de propósito general con 1000 millones de parámetros. Este modelo puede procesar datos de nubes de puntos y ha logrado avances significativos en las principales tareas de visión 3D. Uni3D utiliza una arquitectura Transformer unificada e introduce un método de entrenamiento de alineación multimodal. Este modelo ha obtenido resultados de vanguardia en diversas tareas de visión 3D. El Instituto de Inteligencia Artificial de Beijing afirma que la publicación de código abierto de Uni3D allana el camino para futuras investigaciones en visión artificial 3D.

El Instituto de Inteligencia Artificial de Beijing (BAAI) lanza FlagPerf v1.0, un motor de evaluación de hardware de IA de código abierto. FlagPerf incluye métricas de evaluación que abarcan la corrección funcional, el rendimiento, el uso de recursos y la adaptación del ecosistema. Admite múltiples frameworks de entrenamiento e inferencia, así como diversos entornos de prueba. Se revisa estrictamente el código presentado para garantizar resultados justos e imparciales. El código de prueba se ha publicado como código abierto, y el proceso de prueba y los datos son reproducibles.