Meta giới thiệu các mô hình AI tiên tiến cho nhiệm vụ thị giác và ngôn ngữ

Investing.com — Meta Platforms đã công bố một loạt mô hình trí tuệ nhân tạo mới đẩy mạnh ranh giới của nhận thức máy tính và hiểu biết ngôn ngữ, báo hiệu một bước tiến vượt bậc trong khả năng AI. Trong số các mô hình mới có Perception Encoder, Perception Language Model (PLM), Meta Locate 3D, Dynamic Byte Latent Transformer và Collaborative Reasoner, mỗi mô hình được thiết kế để giải quyết những thách thức phức tạp trong lĩnh vực tương ứng.

Perception Encoder nổi bật với khả năng diễn giải thông tin hình ảnh từ ảnh và video, vượt trội hơn các mô hình hiện có trong các nhiệm vụ phân loại và truy xuất zero-shot. Nó đã thể hiện sự thành thạo trong các nhiệm vụ khó khăn, như nhận diện động vật trong môi trường tự nhiên, và đã cho thấy những cải tiến đáng kể trong các nhiệm vụ ngôn ngữ sau khi tích hợp với mô hình ngôn ngữ lớn.

Mặt khác, PLM của Meta là một mô hình thị giác-ngôn ngữ mã nguồn mở được đào tạo trên sự kết hợp của dữ liệu được gắn nhãn bởi con người và dữ liệu tổng hợp. Nó được thiết kế để xử lý các nhiệm vụ nhận dạng hình ảnh đầy thách thức và có các biến thể với tối đa 8 tỷ tham số. PLM-VideoBench, một chuẩn đánh giá mới được phát hành cùng với PLM, tập trung vào hiểu biết hoạt động chi tiết và lập luận dựa trên không gian-thời gian.

Trong lĩnh vực robot, Meta Locate 3D đại diện cho một đổi mới trong định vị đối tượng, cho phép robot hiểu và tương tác với thế giới 3D bằng cách sử dụng lệnh ngôn ngữ tự nhiên. Mô hình này có thể định vị chính xác các đối tượng trong môi trường 3D, một bước quan trọng hướng tới các hệ thống robot tự chủ và thông minh hơn. Meta cũng đã phát hành một bộ dữ liệu để hỗ trợ phát triển công nghệ này, bao gồm 130.000 chú thích ngôn ngữ.

Dynamic Byte Latent Transformer là một mô hình đột phá khác từ Meta, được thiết kế để nâng cao hiệu quả và độ mạnh mẽ trong xử lý ngôn ngữ. Kiến trúc mô hình ngôn ngữ cấp byte này phù hợp với hiệu suất của các mô hình dựa trên tokenization truyền thống và hiện đã có sẵn cho cộng đồng sử dụng sau khi công bố nghiên cứu vào cuối năm 2024.

Cuối cùng, khung Collaborative Reasoner nhằm phát triển các tác nhân AI xã hội có khả năng hợp tác với con người hoặc các tác nhân AI khác. Nó bao gồm một loạt các nhiệm vụ định hướng mục tiêu đòi hỏi lập luận nhiều bước và hội thoại nhiều lượt. Đánh giá của Meta cho thấy các mô hình hiện tại có thể hưởng lợi từ lập luận hợp tác, và công ty đã mở nguồn quy trình tạo dữ liệu và mô hình hóa của mình để khuyến khích nghiên cứu thêm.

Khi Meta tích hợp các mô hình AI tiên tiến này vào các ứng dụng mới, tiềm năng cho các hệ thống AI có khả năng cao hơn trên nhiều lĩnh vực khác nhau sẽ mở rộng, đánh dấu tiến bộ đáng kể trong nghiên cứu và phát triển trí tuệ nhân tạo.

Bài viết này được tạo và dịch với sự hỗ trợ của AI và đã được biên tập viên xem xét. Để biết thêm thông tin, hãy xem Điều Kiện & Điều Khoản của chúng tôi.