🔗 未来增强承诺: 摩根大通承诺以轻量级方式将视觉融入DocLLM，进一步提升其多模态文档理解能力。
1. Meta将于2024年第一季度发布LLaMA3。
2024年，是平台竞争白热化的一年，也是品牌直播多平台铺开的一年。
20世纪60年代，板块构造理论就被广泛接受了，但几十年后，人们对于地震成因的理解，也只是应力累积到临界阈值，就会通过地震释放。
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。