NeurIPS 2023研究：多模态查询方法让大模型看图比打字管用，准确率提升7.8%

量子位动态介绍

本文转载自沁园夏量子位，公众号 QbitAI。大型AI模型的图像识别能力已经非常强大，但为什么它们仍然经常混淆物体？比如，将长得不太像的蝙蝠和拍子混淆，或者无法识别数据集中的一些稀有鱼类……这是因为当我们让大型模型“寻找事物”时，通常输入的是文本。如果描述模糊或者太专业化，比如“bat”（是指蝙蝠还是拍子？）或者“魔鳉”（Cyprinodon diabolis），AI就会感到困惑。这就导致使用大型模型进行目标检测，尤其是在开放世界环境下时遇到困难。

原文链接：[点击阅读原文：让大模型看图比打字管用！NeurIPS 2023新研究提出多模态查询方法，准确率提升7.8%]

作者联系方式

文章来源：量子位

作者微信：QbitAI

作者简介：追踪人工智能新趋势，关注科技行业的新突破