摩根大通发布了DocLLM，一款专为多模态文档理解设计的生成式语言模型，通过轻量级扩展LLM，避免昂贵的图像编码器，以提高文档分析效能。
站长之家（ChinaZ.com）1月4日 消息:阿里云通义千问APP近日上线了一项名为“通义舞王”的免费功能，使用户能够轻松地生成个性化的舞蹈视频。
这一功能的背后是阿里通义实验室自研的视频生成模型Animate Anyone。在Github上，该项目的Star数短短数日就超过1万，被认为是近期大模型领域最受欢迎的大模型算法之一。
VCoder作为一个视觉编码器，为MLLM提供了更好的视觉感知能力，能够处理特殊类型的图像，并改善了对象感知任务的表现。在与其他模型的比较中，VCoder在对象计数和识别方面表现出色，特别是在复杂场景中。
1.使用ChatGPT进行内容创建