ChatGPT官方入口>>>点击前往
1、词使GPT-4V的用技用法:
5种使用方式:输入图像(images)、子图像(sub-images)、巧说文本(texts)、提示火炬之光3场景文本(scene texts)和视觉指针(visual pointers)。词使
3种支持的用技能力:指令遵循(instruction following)、思维链(chain-of-thoughts)、巧说上下文少样本学习(in-context few-shot learning)。提示
2、词使GPT-4V在10大任务中的用技表现:
开放世界视觉理解(open-world visual understanding)、视觉描述(visual description)、多模态知识(multimodal knowledge)、常识(commonsense)、场景文本理解(scene text understandin)、文档推理(document reasoning)、写代码(coding)、时间推理(temporal reasonin)、抽象推理(abstract reasoning)、情感理解(emotion understanding)
3、类GPT-4V多模态大模型的提示词技巧:
提出了一种新的多模态提示词技巧“视觉参考提示”(visual referring prompting),可以通过直接编辑输入图像来指示感爱好的任务,并结合其他提示词技巧使用。
4、多模态大模型的研究&落地潜力:
预测了多模态学习研究人员应该关注的2类领域,包罗落地(潜在应用场景)和研究方向。
顶: 311踩: 26
评论专区