華科技大學發布AI大模型猴子部分超越GPT 4

法士特科技12月12日報道 華中科技大學官方發文稱，該校軟體學院團隊發布了多模態大模型“猴子”。

該模型擅長影象描述和視覺問答，能夠實現對世界的“觀察”，並進行深入的問答交流和準確的描述。

據官方介紹，在18個資料集的實驗中，MONKEY模型表現良好，特別是在影象描述和視覺問答任務方面，超越了許多現有的知名模型，如Microsoft的ll**a、谷歌的palm-e、阿里巴巴的mplug-owl等。

此外，Monkey 在文字密集型問答任務中表現出顯著優勢，甚至在一些樣本上超越了業界公認的領導者 GPT-4V。

Monkey 的顯著特點之一是其出色的“看圖片和說話”能力。 在詳細描述任務中，Monkey 展示了感知影象細節和感知其他多模態大型模型忽略的內容的能力。

另乙個亮點是能夠處理解像度高達 1344 x 896 畫素的影象，這是其他大型多模態模型可以處理的最大尺寸的六倍。

據悉，業界可處理的最大解像度為448 448畫素。

值得一提的是，該團隊在全球最大的託管平台 GitHub 上開源了 Monkey。