返回

Microsoft：GPT-4V初步探索中文版（2023）

VIP文档

ID：68236

大小：43.55 MB

页数：171页

时间：2023-10-07

金币：20

上传者：神经蛙1号
The Dawn of LMMs:
Preliminary Explorations with GPT-4V(ision)
Zhengyuan Yang
∗
, Linjie Li
∗
, Kevin Lin
∗
, Jianfeng Wang
∗
, Chung-Ching Lin
∗
,
Zicheng Liu, Lijuan Wang
∗♠
Microsoft Corporation
∗
Core Contributor
♠
Project Lead
Abstract
*
警告：该
PDF
由
GPT-Academic
开源项目调用大语言模型
+Latex
翻译插件一键生成，版权归原文作者所有。
翻译内容可靠性无保障，请仔细鉴别并以原文为准。
项目Github地址: https://github.com/binary-husky/gpt_academic/。
项目在线体验地址: https://chatpaper.org。
当前大语言模型
: gpt-3.5-turbo
，当前语言模型温度设定
: 1
。为了防止大语言模型的意外谬误产生扩散影响，
禁止移除或修改此警告。
大型多模型（
LMMs
）通过增加视觉理解等多感知技能来扩展大型语言模
型（
LLMs
），以实现更强大的通用智能。在本文中，我们分析了最新的模
型——
GPT-4V(ision)
（以下简称“
GPT-4V
”），以深化对
LMM
的理解。分析
重点关注了
GPT-4V
可以执行的有趣任务，其中包含了用于探测其能力质量
和通用性的测试样本，以及模型支持的输入和工作模式，以及有效的提示
模型的方法。在我们探索
GPT-4V
的方法中，我们精心设计和组织了一系列
有关各个领域和任务的定性样本。这些样本的观察结果表明，
GPT-4V
在处
理任意交错的多模态输入方面具有前所未有的能力，并且其通用性使其成
为一个强大的多模态综合智能系统。
GPT-4V
独特的能力在理解输入图像上
绘制的视觉标记的同时，还能产生新的人机交互方法，例如视觉指引提示。
我们通过深入讨论以基于
GPT-4V
的系统为基础的新兴应用场景和未来研究
方向，对报告进行了总结。我们希望这一初步的探索能够激发未来对下一
代多模态任务制定、利用和增强
LMM
解决现实问题的 新方法以及对多模态
基础模型的更好理解的研究。
目录
插图目录 4
资源描述：

Microsoft：GPT-4V初步探索中文版（2023）

当前文档最多预览五页，下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页，下载文档查看全文
温馨提示：
1. 部分包含数学公式或PPT动画的文件，查看预览时可能会显示错乱或异常，文件下载后无此问题，请放心下载。
2. 本文档由用户上传，版权归属用户，天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容，确认文档内容符合您的需求后进行下载，若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误，付费完成后未能成功下载的用户请联系客服处理。
最近更新
更多
大家都在看
近期热门

分享

购物车

关闭