人工知能分野において、バイトダンスの商業化技術チームによる最新の成果であるInfinityモデルは、その卓越した性能と革新的な技術で、自己回帰型テキストツーイメージ分野における新たな王者となりました。この新たにオープンソース化されたモデルは、画像生成の質においてStable Diffusion 3を凌駕するだけでなく、推論速度においても顕著な優位性を示しています。Infinityモデルの中核となる革新は、Bitwise Tokenの自己回帰フレームワークを採用している点にあります。このフレームワークは、次のレベルの解像度における+1または-1を予測することで構成されています。

画像生成分野において、高解像度でリアルな画像の生成は、特にテキストから画像への合成において、多くの課題に直面してきました。従来の生成手法は、拡散モデルや変分自己回帰（VAR）フレームワークに大きく依存していました。これらのモデルは高品質な画像を生成できますが、膨大な計算資源を消費するため、リアルタイムアプリケーションへの適用には柔軟性に欠けていました。同時に、VARモデルは離散的なトークン処理において累積誤差が発生しやすく、生成画像の詳細が失われ、画像のリアリティに影響を与えていました。これらの欠点を克服するために

先日、複数の中国の研究機関の研究チームが、Infinity-MMという超大規模多モーダルデータセットを発表し、このデータセットに基づいて、性能が優れたAIモデルAquila-VL-2Bを開発しました。この画期的な成果は、多モーダルAIの発展に新たな勢いをもたらします。Infinity-MMデータセットは驚異的な規模を誇り、1000万件の画像説明、2440万件の汎用ビジュアル指示データ、600万件の厳選された高品質指示データ、そして300万件のG…

複数の中国の研究機関からなる研究チームが、世界最大規模の公開マルチモーダルAIデータセットの一つである「Infinity-MM」データセットの作成に成功し、同時に、優れた性能を持つ小型の新モデル「Aquila-VL-2B」を開発しました。このデータセットは、主に1000万件の画像キャプション、2440万件の一般的なビジュアル指示データ、600万件の高品質な厳選された指示データ、そしてGPT-4やその他のAIモデルによって生成された300万件のデータの4つのカテゴリーで構成されています。

北京智源人工智能研究院は、大規模言語モデルの対話性能向上を目指した、数千万件の命令微調整データセットInfinity-Instructを発表しました。最近、Infinity-Instruct-7M基本命令データセットとInfinity-Instruct-Gen対話命令データセットを含む、新たなバージョンが公開されました。