首頁 > 北大

北大

  • 用語言對齊多模態信息，北大騰訊等提出LanguageBind，刷新多個榜單

    北京大學與騰訊等機構的研究者們提出了多模態對齊框架 ——LanguageBind。該框架在視頻、音頻、文本、深度圖和熱圖像等五種不同模態的下游任務中取得了卓越的性能，刷榜多項評估榜單，這標志著多模態學習領域向著「大一統」理念邁進了重要一步。在現代社會，信息傳遞和交流不再局限于單一模態。

  • 北大通知：開放多項AI應用

    每經AI快訊，北京大學計算中心發布通知，北大本地化部署的deepseek滿血版R1和V3已深度適配教學應用場景，向校內多項人工智能應用北大問學、AIMD、化小北、金融AI助教提供服務。每日經濟新聞

  • 3B模型不輸7BLLaVA！北大多模態MoE模型登GitHub熱榜

    混合專家（MoE）架構已支持多模態大模型，開發者終于不用卷參數量了！北大聯合中山大學、騰訊等機構推出的新模型MoE-LLaVA，登上了GitHub熱榜。它僅有3B激活參數，表現卻已和7B稠密模型持平，甚至部分指標比13B的模型還要好。

  • 北大等發布多模態版o1！首個慢思考VLM將開源，視覺推理超閉源

    北大等出品，首個多模態版o1開源模型來了——代號LLaVA-o1，基于Llama-3.2-Vision模型打造，超越傳統思維鏈提示，實現自主“慢思考”推理。在多模態推理基準測試中，LLaVA-o1超越其基礎模型8.9%，并在性能上超越了一眾開閉源模型。新模型具體如何推理，直接上實例，比如問題是：傳統

  • 訓練130億大模型僅3天，北大提出Chat-UniVi統一圖片和視頻理解

    北京大學和中山大學等機構研究者提出了統一的視覺語言大模型 ——Chat-UniVi。通過構建圖片和視頻統一表征，該框架使得一個 LLM 能夠在圖片和視頻的混合數據下訓練，并同時完成圖片和視頻理解任務。更重要的是，該框架極大降低了視覺語言模型訓練和推理的開銷，

  • 北大提出首個通用指令導航大模型系統|CoRL24

    想象一下當你躺在沙發上，只需要不假思索地說出指令，機器人就能幫你干活，是不是聽起來就十分愜意？如今這種科幻電影中的場景正在變為現實，來自北京大學的助理教授、博士生導師董豪團隊近日提出首個通用指令導航大模型系統InstructNav。不論是尋找物體，走到指定位置，還是滿足抽象的人類需求，只要你說出指令

  • 協鑫集團攜手北大、NVIDIA發布光伏功率預測大模型

    人民財訊3月21日電，3月17日至21日，2025 NVIDIA GTC（英偉達GPU技術大會）在美國加州圣何塞召開。在本次GTC大會上，協鑫集團聯合北京大學、NVIDIA達成產學研深度協同，聯合推出基于NVIDIA Earth-2平臺的光伏功率預測大模型，這標志著能源行業智能化轉型取得突破性進展。

  • 微軟聯手北大，發布PPTC大模型測試基準

    DoNews11月7日消息，據品玩引述 HuggingFace 頁面報道，微軟研究院聯手北京大學，共同發布了一款名為 PPTC 的大模型測試基準，可以用于測試大模型在PPT 生成方面的能力。研究團隊表示，PPTC包含 279 個涵蓋不同主題的多回合會話和數百條涉及多模式操作的說明。研究團隊還提出了P