计算机视觉 GPT 时刻：UC 伯克利三巨头祭出首个纯 CV 大模型，推理惊现 AGI 火花

图片地址：https://img.ithome.com/newsuploadfiles/2023/12/3c78ea23-d81f-4e9d-8f1e-f5a7211c04a7.jpg?x-bce-process=image/format,f_auto

UC 伯克利的 CV 三巨头推出首个无自然语言的纯视觉大模型，第一次证明纯 CV 模型也是可扩展的。更令人震惊的是，LVM 竟然也能做对图形推理题，AGI 火花再次出现了？计算机视觉的 GPT 时刻，来了！最近，来自 UC 伯克利的计算机视觉「三巨头」联手推出了第一个无自然语言的纯视觉大模型（Large Vision Models），并且第一次证明了纯视觉模型本身也是可扩展的（scalability）。除此之外，研究人员还利用超过 420B token 的数据集让模型可以通过上下文学习来理解并执行下游任务，并且统一了图片 / 视频、有监督 / 无监督、合成 / 真实、2D / 3D / 4D 等几乎所有的数据形式。论文地址：https://arxiv.org/ abs / 2312.00785值得一提的是，让 LVM 做非语言类智商测试（Raven's Progressive Matrices ）中常见的非语言推理问题，它时常能