多模态LLM视觉推理能力堪忧，浙大领衔用GPT-4合成数据构建多模态基准
随着大型语言模型（LLM）的迅速发展，多模态大型模型（MLLM）在视觉理解和推理任务中的应用也受到了广泛关注。然而，尽管MLLM在自然图像处理方面取得了显著进展，但在复杂和精细的图像类型（如图表、文档和图解）的理解上仍存在挑战。 近期，由浙江大学领衔的一支研...
当LLM遇到Database：阿里达摩院联合HKU推出Text-to-SQL新基准（1）
在新基准 BIRD 上，ChatGPT 仅能达到 40.08%，相比人类 92.96% 还有很大差距。背景大模型（LLM）为通用人工智能（AGI）的发展提供了新的方向，其通过海量的公开数据，如互联网、书籍等语料进行大规模自监督训练，获得了强大的语言理解、语言生成、推理等能...
当LLM遇到Database：阿里达摩院联合HKU推出Text-to-SQL新基准（2）
方法概述新的挑战该研究主要面向真实数据库的 Text-to-SQL 评估，过去流行的测试基准，比如 Spider 和 WikiSQL，仅关注具有少量数据库内容的数据库 schema，导致学术研究与实际应用之间存在鸿沟。BIRD 重点关注海量且真实的数据库内容、自然语言问题与数据库内容之间的外部知识推理以及在处理大型数据库时 SQL 的效率等...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。