研究团队并不打算完全取代现有的语言监督模型，而是旨在深入理解视觉自监督方法在多模态应用上的潜在能力和局限性。尽管在传统的视觉任务如分类和分割等方面，SSL模型常常表现更佳，但它们在多模态大语言模型（MLLMs）应用时却少之又少，这是因为这两种方法在视觉问答（VQA）任务中的性能差异显著，尤其是在光学字符识别（OCR）和图表解读任务上。

西山早春观赏桃、杏花。在小西山赏山桃、山杏花早在清代就有史书记载，建国后，又陆续营造了大面积的山桃、山杏林，使这一景色更加绚丽壮观，早春三月，万物复苏，漫山粉白，或成行成片，满坡满谷；或掩映在苍松翠柏之间，格外鲜艳，令人目不暇接。观花时期可持续二十余 ...

在计算机视觉和自然语言处理的交汇处，视觉自监督学习（SSL）逐渐成为了当今学术界关注的焦点。最近，一项由知名研究者Yann LeCun、谢赛宁等人共同完成的研究引发了广泛的讨论。他们发布的论文《Scaling Language-Free Visual Representation Learning》通过实证研究表明，视觉SSL终于在视觉问题解答（VQA）任务上追赶上了语言图像预训练（CLIP），逆 ...

在视觉问题解答（VQA）等多模态环境中，当前视觉自监督学习（SSL）的表现还比不上语言图像预训练（CLIP）。这种差距通常归因于语言监督引入的语义，尽管视觉 SSL 模型和 CLIP 模型通常在不同的数据上进行训练。

谷歌 DeepMind 近日发布了一份详尽的战略文件，阐述了其开发安全人工通用智能（AGI）的方针。AGI 被定义为在大多数认知任务中能够与人类能力相匹配或超越的系统。DeepMind 预计，目前的机器学习方法，尤其是神经网络，仍将是实现 AGI ...

皮诺的离职正值 Meta 加大对人工智能领域的投入之际。该公司计划在2025年向人工智能基础设施投资650亿美元，进一步巩固其在全球 AI 研究和应用的领先地位。Meta ...

IT之家 4月2日消息，Meta人工智能研究负责人乔尔・皮诺（Joelle ...

Meta人工智能研究部门负责人表示，她计划辞职，在人工智能技术开发竞争激烈的当下辞去这一备受瞩目的职位。Meta 公司人工智能研究副总裁乔尔·皮诺 (Joelle Pineau) 周二表示，她将在公司工作八年后于 5 月底离职。她在社交媒体帖子中写道 ...