摩根大通推出多模态文档理解模型DocLLM
2023年11月17日，国际服装巨头Zara在抖音进行了一场耗资巨大的Live Show式直播，再一次引发业内对直播价值的讨论。
2024年，品牌们势必会在直播内容上做更多尝试。
比如将岩石样本放置在金属框架内，将其中心切开以模拟断层，并将其置于围压下，让局部传感器测量样品变形时发生的情况。
它不仅可以从图片中提取信息并回答问题，还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等，展现出了强大的多模态能力。在性能上接近GPT-4的情况下，LLaVA具有更高的成本效益，训练只需要8个A100即可在1天内完成。