人工智能初创企业Cohere的非营利研究实验室近期推出了一款名为Aya Vision的多模态“开放”AI模型。该实验室自豪地宣称，该模型在行业内处于领先地位。
Aya Vision模型具备执行多种任务的能力，包括撰写图片说明、解答与照片相关的问题、文本翻译以及生成23种主要语言的摘要。Cohere公司通过WhatsApp平台免费提供Aya Vision，旨在方便全球研究人员获取这一技术突破。
Cohere在其博客中指出，尽管人工智能在近年来取得了显著进展，但在不同语言之间的模型表现仍存在较大差距，尤其是在涉及文本和图像的多模态任务中。Aya Vision的目标正是帮助缩小这一差距。
Aya Vision模型分为两个版本：Aya Vision32B和Aya Vision8B。其中，Aya Vision32B被誉为“新边界”，在视觉理解基准测试中超越了体量为其两倍的模型，包括Meta的Llama-3.290B Vision。而Aya Vision8B在某些评估中表现也优于体量为其十倍的模型。
这两个模型已在AI开发平台Hugging Face上以Creative Commons4.0许可证的形式提供，用户需遵守Cohere的可接受使用附录，且不可用于商业应用。
Cohere表示，Aya Vision的训练采用了一种“多样化的”英语数据集，实验室将这些数据集翻译后，使用合成标注进行训练。合成标注是指由AI生成的标注，有助于模型在训练过程中理解和解释数据。尽管合成数据存在潜在缺点，但像OpenAI等竞争对手也在越来越多地使用合成数据来训练模型。
Cohere指出，使用合成标注训练Aya Vision使得他们能够减少资源的使用，同时仍能取得竞争力的表现。这展示了他们对效率的重视，利用更少的计算资源实现更多成果。
为了进一步支持研究界，Cohere还发布了一套新的基准评估工具——AyaVisionBench，旨在考察模型在视觉与语言结合任务中的能力，如识别两张图像的差异和将屏幕截图转换为代码。
当前，人工智能行业正面临所谓的“评估危机”，这主要源于流行基准的广泛使用，这些基准的总分与大多数AI用户关心的任务的能力相关性较差。Cohere声称，AyaVisionBench为评估模型的跨语言和多模态理解提供了一个“广泛且具有挑战性”的框架。
官方博客：https://cohere.com/blog/aya-vision
划重点：
🌟 Aya Vision模型被Cohere称为行业最佳，能够执行多种语言和视觉任务。
💡 Aya Vision有两个版本，分别为32B和8B，表现超越体量更大的竞争模型。
🔍 Cohere还发布了新的基准评估工具AyaVisionBench，旨在改善AI模型评估问题。
暂无评论