我国首个大模型成果登上《自然》封面背后的突破
本讯（记者 雷嘉）近日，由北京智源人工智能研究院主导的一项多模态大模型研究成果，在国际顶级学术期刊《自然》官网正式上线，并将于2月12日在纸质版正式刊发。这是我国科研机构主导的大模型成果，首次在《自然》正刊上发表。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
自2018年以来，GPT模型采用的“预测下一个词元”自回归范式，引领了语言大模型的重大突破，开启了生成式人工智能的发展浪潮。然而，多模态模型通常依赖对比学习、扩散模型等专门技术路径，自回归方式能否作为一种通用路线来统一处理多模态数据，一直是业界探索的焦点。
智源研究院提出的Emu模型，基于“预测下一个词元”的核心思想，构建了全新的多模态架构。该模型将图像、文本和视频数据统一离散化到同一个表示空间中，并从一开始就直接在混合的多模态序列数据上，联合训练一个单一的Transformer。这一架构证明了，仅凭“预测下一个词元”这一目标，就能让模型同时具备高水平的生成能力与理解能力。此外，在此统一框架下，模型的能力还能自然地扩展到机器人操作以及多模态交互等生成任务。
实验结果表明，Emu在生成与感知任务上的整体表现，足以媲美多种成熟的专用模型：在文生图任务中，其效果达到扩散模型的水平；在视觉语言理解方面，可以与融合了CLIP与大语言模型的主流方案相匹敌。同时，Emu还具备视频生成能力。与以噪声为起点的扩散式视频生成模型不同，Emu通过自回归方式逐词元预测视频序列，实现了基于因果关系的视频生成与延续，展现出对物理世界中环境、人类与动物行为的初步模拟能力。
这项成果表明，仅采用自回归这一条路线，就可以统一多模态学习，训练出卓越的原生多模态大模型。这对于确立自回归成为生成式人工智能的统一技术路线，具有重大意义。值得一提的是，智源研究团队已将相关研究的多项关键技术及模型进行了开源，以推动该方向的持续研究与生态发展。
《自然》编辑在点评这项研究时指出：Emu仅基于预测下一个词元，就实现了大规模文本、图像和视频的统一学习，其在生成与感知任务上的性能与使用专门路径的模型相当。这一成果对于构建可扩展、统一的多模态智能系统意义重大。
相关攻略
李相如摄。罕见病是生命科学和医学研究的天花板，在这一领域中存在太多未知。2月28日，恰逢世界罕见病日，医学循证推理智能体前沿技术论坛暨DeepRare成果发布会在上海交通大学徐汇校区人工智能学院举
马年新春，两项重磅科研成果在同一天（2月19日）登上国际顶级期刊nature（《自然》）。2月27日，上海交通大学医学院举行近期服务国家重大战略科研成果新闻通气会，发布这两项成果。它们分别聚焦人工
新春佳节之际，中国人工智能与医学交叉领域迎来重磅突破：北京时间2月19日凌晨，国际顶级学术期刊《自然》（Nature）在线刊发上海交通大学医学院附属新华医院孙锟教授、余永国教授领衔团队与上海交通大学
2015年春节，微信红包以社交裂变之力，一举改写了移动支付市场的格局，标志着“红包”从传统民俗符号，成为数字商业竞争的战略性杠杆与超级入口。11年后的马年春节，当腾讯、阿里巴巴、字节跳动等巨头再次为
为什么阳台盆栽单独种菜容易招虫，而老一辈常说的“混着种”反而长得旺、少生病？这不仅仅是经验之谈，最新科学研究印证了古老农作“混搭”智慧蕴含的生态真理。这项由华东理工大学联合全球9国18个机构科研人员
热门专题
热门推荐
学习通网页版入口为https: www chaoxing com，平台提供分类课程导航、分段视频播放、在线文档预览、交互式习题、多端同步、扫码登录、离线缓存、讨论区管理、直播互动
在制作ppt时，巧妙运用取色器可以让页面色彩搭配更加协调、美观，提升整体视觉效果。那么，ppt该如何使用取色器来吸取屏幕颜色呢？一、常见ppt软件中的取色器位置不同的ppt软件，取
《我的咸鱼卡组》绯塔进阶队：英雄选用冥王之眼潘多拉，核心士兵搭配哪吒、仙灵女巫，辅以旅行青蛙和萨满大祭司。阵容成型快，攻防兼备，兼顾PVE推图与PVP竞技，属万金油配队。英雄与士兵
IT之家 3 月 27 日消息，OPPO 最新今天在微博公布了 Enco Clip 2 耳机的外观，4 月正式登场。从渲染图片可以看到，这款耳机拥有高光金、深空灰两种配色可选，采用耳夹式设计，高光金
IT之家 3 月 27 日消息，OPPO K15 Pro 系列手机已官宣将于 4 月 1 日发布。IT之家注意到，OPPO K15 Pro 手机已现身 OPPO 正式，公布了部分配色、设计、版本等信