下單前先比價不花冤枉錢 同款圖書京東價低于抖音6折日媒感慨中國電動汽車/智駕遙遙領(lǐng)先:本田、日產(chǎn)、三菱合并也沒戲消委會吹風(fēng)機品質(zhì)檢測結(jié)果揭曉 徠芬獨占鰲頭 共話新質(zhì)營銷力,2024梅花數(shù)據(jù)峰會圓滿落幕索尼影像專業(yè)服務(wù) PRO Support 升級,成為會員至少需注冊 2 臺 α 全畫幅相機、3 支 G 大師鏡頭消息稱vivo加碼電池軍備競賽:6500mAh 旗艦機+7500mAh中端機寶馬M8雙門轎跑車明年年初將停產(chǎn),后續(xù)無2026款車型比亞迪:2025 款漢家族車型城市領(lǐng)航智駕功能開啟內(nèi)測雷神預(yù)告2025年首次出席CES 將發(fā)布三款不同技術(shù)原理智能眼鏡realme真我全球首發(fā)聯(lián)發(fā)科天璣 8400 耐玩戰(zhàn)神共創(chuàng)計劃iQOO Z9 Turbo長續(xù)航版手機被曝電池加大到6400mAh,搭驍龍 8s Gen 3處理器普及放緩 銷量大跌:曝保時捷將重新評估電動汽車計劃來京東參與榮耀Magic7 RSR 保時捷設(shè)計預(yù)售 享365天只換不修國補期間電視迎來換機潮,最暢銷MiniLED品牌花落誰家?美團旗下微信社群團購業(yè)務(wù)“團買買”宣布年底停運消息稱微軟正與第三方廠商洽談,試圖合作推出Xbox游戲掌機設(shè)備在海外,要再造一個京東物流?消息稱蘋果正為AirPods開發(fā)多項健康功能,包括心率監(jiān)測和溫度感應(yīng)一加 Ace 5系列將搭載全新游戲助手:大幅提升游戲體驗東芝全部業(yè)務(wù)實現(xiàn)盈利,退市裁員重組后終于賺錢
  • 首頁 > 云計算頻道 > 大模型

    多模態(tài)模型再進化,已學(xué)會看圖玩撲克、算“12點”

    2024年06月04日 15:23:55   來源:站長之家

      在科技領(lǐng)域,多模態(tài)模型的決策能力一直是研究的熱點。最近,UC伯克利等高校的研究團隊提出了一種名為RL4VLM的全新強化學(xué)習(xí)框架,成功地提升了多模態(tài)大模型在決策任務(wù)上的表現(xiàn)。該模型在無需人類反饋的情況下,通過強化學(xué)習(xí)微調(diào),已經(jīng)學(xué)會了看圖玩撲克、算“12點”等任務(wù),并且其表現(xiàn)超越了GPT-4v。

      研究團隊由多位重量級人物組成,包括圖靈獎得主、Meta首席AI科學(xué)家、紐約大學(xué)教授LeCun,UC伯克利的Sergry Levine教授,以及香港大學(xué)數(shù)據(jù)科學(xué)學(xué)院院長、UC伯克利教授馬毅等。他們的研究成果已經(jīng)以論文預(yù)印本的形式發(fā)布,并且相關(guān)代碼已在GitHub上開源。

      RL4VLM的核心是一種新的算法框架,它直接使用強化學(xué)習(xí)方法對多模態(tài)大模型進行微調(diào)。這種方法的一個顯著特點是,獎勵信息直接來源于環(huán)境,不再依賴于人類反饋。這不僅提高了效率,也賦予了多模態(tài)模型自主決策的能力。

      為了全面評估RL4VLM的效果,研究團隊設(shè)計了兩類評測任務(wù)。第一類任務(wù)主要測試模型利用圖像中的細(xì)粒度視覺信息進行決策的能力,包括數(shù)字識別和邏輯推理。第二類任務(wù)則主要考察模型在具身智能環(huán)境中的視覺語義推理能力。

      具體到任務(wù),研究團隊設(shè)計了數(shù)軸(Numberline)、簡易12點(EZPoint)、24點(Point24)、21點(Blackjack)和ALFWorld等五個任務(wù)。其中,ALFWorld是微軟等于2020年提出的開源具身智能任務(wù)集,而其他任務(wù)則是研究團隊的原創(chuàng)設(shè)計。

      實驗結(jié)果令人鼓舞。經(jīng)過強化學(xué)習(xí)微調(diào)的多模態(tài)模型,在決策問題上的表現(xiàn)不僅超過了商用模型GPT-4v,同時也超越了傳統(tǒng)的監(jiān)督微調(diào)方法。特別是在ALFWorld的具身智能任務(wù)中,RL4VLM模型取得了最高的平均分,尤其在單物體拾取任務(wù)上表現(xiàn)突出。

      RL4VLM的工作流程是這樣的:首先,系統(tǒng)將任務(wù)的當(dāng)前狀態(tài)以圖片和文字描述的形式輸入多模態(tài)大模型,并要求模型輸出一段思維鏈,然后以文字形式輸出要執(zhí)行的動作。動作信息輸入環(huán)境后,獲得獎勵值,該獎勵值將用于強化學(xué)習(xí)訓(xùn)練。

      為了適應(yīng)RL訓(xùn)練框架,研究人員對模型的輸入和輸出進行了調(diào)整。具體來說,將任務(wù)圖像和任務(wù)描述的文本合并后,直接作為當(dāng)前任務(wù)的狀態(tài)輸入。在獲得模型的文字輸出后,將其轉(zhuǎn)化為與環(huán)境交互的動作指令。

      消融實驗結(jié)果表明,使用思維鏈提示過程對任務(wù)成功率至關(guān)重要。這項研究不僅為多模態(tài)模型的性能提升提供了新的思路,也為未來人工智能的發(fā)展開辟了新的可能性。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。

    即時

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。

    3C消費

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。

    研究

    中國信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。