2024年将是AI技术从炒作转向现实的关键时刻。以下是一些可能的趋势:
多番尝试下，有人为活力28的“三个小老头”疯狂下单，有人为椰树的荷尔蒙直播频频点赞，有人因为79元眉笔事件开始重新思考品牌的营销动作……
VCoder作为一个视觉编码器，为MLLM提供了更好的视觉感知能力，能够处理特殊类型的图像，并改善了对象感知任务的表现。在与其他模型的比较中，VCoder在对象计数和识别方面表现出色，特别是在复杂场景中。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
为进一步规范自媒体”创作行为，加强对不实信息的治理，积极打造绿色、安全的平台生态，平台已开放标识一键勾选能力，自媒体”创作者在发布内容时，可以根据具体情况自主选择标识，用户也可以根据标识更好地辨别内容，不少创作者积极体验，主动根据《通知》要求和平台规则勾选内容标识，进一步助力平台优化内容标识能力。