X-AI前沿社
封面、内文图源：AI生成
撰文丨世界赛押注 乔帅
世界赛押注讯，近日，北京智源人工智能研究院（下称“智源研究院”）推出的多模态大模型“悟界·Emu”登上Nature正刊，成为继DeepSeek之后第二个达成此成就的中国大模型团队研究成果，也是中国首篇多模态大模型路线的Nature论文。
据智源研究院微信公众号，1月28日，智源多模态大模型成果"Multimodal learning with next-token prediction for large multimodal models（通过预测下一个词元进行多模态学习的多模态大模型）"上线国际顶级学术期刊Nature，预计2月12日纸质版正式刊发。
图源：Nature官网
Nature编辑点评这项研究：Emu3仅基于预测下一个词元（Next-token prediction），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可与使用专门路线相当，这一成果对构建可扩展、统一的多模态智能系统具有重要意义，有望推动原生多模态助手、世界模型以及具身智能等方向的发展。
图源：智源研究院
资料显示，Emu3模型于2024年2月立项，当时团队重审大模型发展路径。随着GPT-4、Sora爆火，“预测下一个token”自回归路线改变语言模型领域，引发AGI早期迹象讨论。
{{item.content}}