学术

跨模态大升级！少量数据高效微调，LLM教会CLIP玩转复杂文本

作者

CLIP 模型通过对比学习实现了视觉与文本的对齐。然而其文本处理能力有限，研究团队提出 LLM2CLIP 方法利用大语言模型提升 CLIP 的多模态表示学习能力，显著提升了 CLIP 在中文检索任务中的表现，并在复杂视觉推理中提升了 LLaVA 模型的表现。

Sora就这么泄露了三小时，网友调侃Altman急拔网线，艺术家们也在抗议被「白嫖」

作者

OpenAI 的 API 被泄露，艺术家发起公开信抗议无偿测试。用户可以使用 API 生成高质量视频，但仅能通过简易前端访问，三个小时后访问被关闭。艺术家认为自己是被引诱进行「艺术清洗」，呼吁 OpenAI 改变做法并为艺术家提供公平报酬。