Adept发布专门为数字代理设计的新的多模态模型Adept Fuyu-Heavy

共计 429 个字符，预计需要花费 2 分钟才能阅读完成。

Adept 发布专门为数字代理设计的新的多模态模型 Adept Fuyu-Heavy，Fuyu-Heavy 号称是世界上第三强大的多模态模型，仅次于 GPT4-V 和 Gemini Ultra，后者的规模是它的 10-20 倍。Fuyu-Heavy 特别擅长于处理和理解不同类型的数据（如图像和文本），其中最引人注目的是它对用户界面的高效理解。

官方介绍：https://www.adept.ai/blog/adept-fuyu-heavy

特点：

• 在多模态推理方面表现出色。我们认为其杀手级特性是 UI 理解能力，但它在更传统的多模态基准测试中也表现良好。特别是，Fuyu-Heavy 在 MMMU 基准测试中的得分甚至高于 Gemini Pro。
• 在标准的基于文本的基准测试中，尽管需要将部分能力用于图像建模，但它的表现与相同计算类别的模型相当或更优。
• 它展示了（经过一些修改）我们可以扩大 Fuyu 架构并收获所有相关的好处，包括处理任意大小 / 形状的图像以及高效地重用现有的 transformer 优化。