🖼️ 利用编码器和模型进行音乐和图像理解，用户可编辑音乐、调整乐器和速度。
GPT-4.5/5将发布，但AGI仍未实现@科技博主Matthew Berman
- 在日志语句、错误消息或代码注释中填充空白时，它很聪明。
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。
针对成果发布问题，《指引》强调，公布突破性研究成果和重大研究进展应经所在科研单位同意。未经科学验证或同行评议的研究成果，科研人员不得向公众传播;不得将已发表的论文或其中的数据、图片等再次发表，不得将多篇已发表论文各取一部分拼凑出“新成果”后发表。