CAMEL-AI ने शून्य दिनों में Manus के बहुउद्देशीय बुद्धिमान एजेंट OWL की सफलतापूर्वक नकल की है। अब आपको Manus आमंत्रण कोड के लिए इंतजार करने की आवश्यकता नहीं है।

अमेरिका की AI बॉक्सिंग कम्युनिटी Growl ने हाल ही में एक नया वॉल-माउंटेड फिटनेस उपकरण लॉन्च किया है, जिसका उद्देश्य उपयोगकर्ताओं को वास्तविक मुक्केबाज़ कोच के साथ इंटरएक्टिव अनुभव प्रदान करना है। Lululemon Mirror और Tonal जैसे इंटरएक्टिव फिटनेस उपकरणों से भिन्न, Growl का डिज़ाइन शारीरिक इंटरएक्शन पर जोर देता है, जिसमें प्रोजेक्टर और सेंसर को शामिल किया गया है, ताकि उपयोगकर्ताओं को एक वास्तविक लात मारने वाला सैंडबैक मिल सके, न कि केवल स्क्रीन पर निर्भर वर्चुअल फिटनेस मार्गदर्शन। Growl उपकरण प्रोजेक्टर के माध्यम से पारंपरिक LCD या OLED स्क्रीन के स्थान पर एक बड़ा,

हाल ही में, अलीबाबा के AI अनुसंधान दल ने दस्तावेज़ समझने के क्षेत्र में महत्वपूर्ण प्रगति की है, उन्होंने mPLUG-DocOwl1.5 जारी किया है, जो बिना OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) दस्तावेज़ समझ कार्यों में उत्कृष्ट प्रदर्शन करने वाला एक अत्याधुनिक मॉडल है। पहले, जब हम दस्तावेज़ समझ कार्यों को संभालते थे, तो हम आमतौर पर छवियों से पाठ निकालने के लिए OCR तकनीक पर निर्भर करते थे, लेकिन यह अक्सर जटिल लेआउट और दृश्य शोर से प्रभावित होता था। जबकि mPLUG-DocOwl1.5 एक नई एकीकृत संरचना सीखने के ढांचे के माध्यम से,

अलीबाबा दामो अनुसंधान院 और चीन की पीपल्स यूनिवर्सिटी ने हाल ही में एक दस्तावेज़ प्रसंस्करण मॉडल, जिसे mPLUG-DocOwl1.5 कहा जाता है, का संयुक्त रूप से ओपनसोर्स किया है। यह मॉडल बिना OCR पहचान के दस्तावेज़ की सामग्री को समझने पर केंद्रित है और कई दृश्य दस्तावेज़ समझ बेंचमार्क परीक्षणों में उत्कृष्ट प्रदर्शन हासिल किया है। संरचनात्मक जानकारी समृद्ध पाठ छवियों (जैसे दस्तावेज़, टेबल और चार्ट) की अर्थव्यवस्था को समझने के लिए महत्वपूर्ण है। मौजूदा मल्टी-मॉडल बड़े भाषा मॉडल (MLLM) पाठ पहचान की क्षमता रखते हैं, लेकिन समृद्ध पाठ दस्तावेज़ छवियों की सामान्य संरचनात्मक समझ में कमी है।

अली टीम द्वारा हाल ही में जारी किया गया mPLUG-Owl3 एक सामान्य मल्टीमॉडल बड़ा मॉडल है, जिसकी मुख्य क्षमता लंबी छवि अनुक्रमों की समझ है। सुपर ध्यान मॉड्यूल को शामिल करके, mPLUG-Owl3 दृश्य और भाषा जानकारी को कुशलतापूर्वक प्रसंस्करण कर सकता है, जो चित्र, वीडियो और अन्य मल्टीमॉडल डेटा की गहरी समझ और संचार को संभव बनाता है। इस मॉडल ने निष्कर्षण दक्षता, छवि प्रसंस्करण क्षमता, और मल्टीमॉडल ज्ञान अनुप्रयोगों में महत्वपूर्ण प्रगति की है, विशेष रूप से वीडियो समझ के क्षेत्र में, यह 4 सेकंड में 2 घंटे की फिल्म को 'देख' सकता है और उससे संबंधित प्रश्नों का सटीक उत्तर दे सकता है।