La nouvelle mise à niveau des capacités du système de modèles à grande échelle de SenseTime

Lors de la conférence mondiale sur l'intelligence artificielle qui s'est tenue récemment, Xu Li, président-directeur général de SenseTime, a apporté quelques mises à niveau récentes des capacités du système du nouveau modèle SenseTime. Examinons les modifications apportées à cette mise à niveau.

d53a6a16b28faa96dda79f3d233cbc19.jpeg

SenseChat 2.0 met entièrement à niveau les capacités du grand modèle de langage

Modèle d'amélioration des capacités de base

  • La capacité de base du modèle a été grandement améliorée

  • Nouvelles langues régionales (prise en charge de l'arabe, du cantonais, etc.)

  • Franchir la limite de longueur d'entrée des grands modèles de langage

nouvelles fonctionnalités de service

  • Interface de fusion des connaissances nouvellement ajoutée,

  • Optimisation basée sur les capacités de la base de connaissances

  • hallucination modèle

Système de modèle LLM

  • lS petit modèle version 1.0

  • lXL grand modèle version 2.0

1668923c9e1b8b2108a695430e1c16aa.jpeg

SenseMirage 3.0 met entièrement à niveau le grand modèle du diagramme de Vincent

Personnalisation de la peinture légère

Tout le monde peut facilement (glisser-déposer) et rapidement (en 10 minutes) affiner le modèle et personnaliser sa propre IA générée.

mode de description intelligent

En utilisant le grand modèle de langage comme pont, la "description complexe" est simplifiée en "un simple mot d'invite", et une image avec un contenu riche peut être générée.

Reproduction d'images photographiques

Comparable au niveau de tournage d'un photographe professionnel, les détails et les éléments de l'image sont vraiment réalisés

Avec le modèle à grande échelle auto-développé (7 milliards de paramètres comme base), l'imagination de la peinture AI est sans fin.

5158e07d1c5239b572df27b47727e1b0.jpeg

Assistant de code AI : les performances sont améliorées de manière globale et la précision dépasse GPT3.5

AI FOR AI Nouvelle 28e loi : Code = 80 % de génération d'IA + 20 % d'artificiel

  • Taux de réussite de l'ensemble de tests HumanEval 48,7 % (GPT 3,5 48,1 %)

  • Vitesse de génération de code par jeton : 25 ms

  • Débit de raisonnement : 1,9 kTokens par seconde

1.0

Complétion de code, extension de code, traduction de code, refactorisation de code, correction de code, code de génération de commentaire, analyse de complexité, génération de cas de test

2.0

  • Plusieurs rondes de dialogue, ajoutant des commentaires au code, expliquant le code et remplissant le milieu du texte...

  • Efficacité d'écriture de code augmentée de 78 %

  • Plusieurs cycles de dialogue, une meilleure expérience interactive

  • Amélioration des performances, efficacité de codage plus élevée

  • Amélioration chinoise, plus conforme aux habitudes des développeurs chinois

1bc58fe6be32917c3ab327ceb163fb65.jpeg

Ronin : amélioration globale de la performance humaine numérique

  • Génération de flux : entrée et sortie simultanées, double l'efficacité

  • Amélioration de la précision multilingue : l'anglais, le coréen, le japonais, l'arabe, etc. augmentent la précision de plus de 30 % des langues

  • Clarté cinématographique : vidéo humaine numérique HD 4K

  • Prise en charge d'environnements complexes : plage de distance, angle de face grandement amélioré

c72e5d6ec10198d62412c7242d8348f4.jpeg

Mise à niveau de l'algorithme de la plate-forme d'application du jumeau numérique Qiongyu 2.0

Précision de reconstruction au centimètre près :

  • Extérieur : Précision de 5 cm (1%) par 10 000 mètres carrés

  • Intérieur : Précision de 1 cm (1,5 %) par 1000 mètres carrés

Rendu efficace en temps réel

  • L'efficacité de la reconstruction a augmenté de 20% et le temps de construction de 100 kilomètres carrés était de 38 heures

  • Les performances de rendu ont été améliorées de 50% et le rendu de résolution 1080p d'une seule carte peut atteindre le temps réel

Fonctionnalités d'actifs riches

  • Prise en charge de la profondeur de la surface du modèle de sortie

  • Prise en charge de la génération synchrone du modèle de maillage 3D

  • Prise en charge de la simulation de l'environnement météorologique

  • Prise en charge de l'analyse sémantique NeRF

  • Prise en charge de l'alignement des informations de coordonnées géodésiques nationales CGCS2000

  • Prise en charge de la fusion de données sol-air

c32d46f38fc0bec8a46660e4574fd654.jpeg


Gewu 2.0

Mise à niveau de l'algorithme

Plus détaillé, niveau millimétrique, plus de support matériel - haute réflexion, plus de contrôle de la lumière et des ombres

Numérisation 3D des marchandises

Les automobiles, les bijoux, les cosmétiques, la décoration intérieure, les appareils électroménagers, les vêtements et d'autres types peuvent être affichés sous forme numérique 3D.

Je suppose que tu aimes

Origine blog.csdn.net/specssss/article/details/131645484
conseillé
Classement