支付宝发布多模态医疗大模型

支付宝发布多模态医疗大模型 7 月 5 日，在 2024 世界人工智能大会，支付宝多模态医疗大模型正式亮相，成为国内首批多模态医疗大模型之一。基于蚂蚁百灵的多模态能力，该模型可实现直接理解并训练音频、视频、图、文等多模态数据。测试期间，对诊疗报告、医学药品、毛发状况等识别准确率达 90% 以上，中英文医疗考试、基准测试达到或超过 GPT4 水准。会上，支付宝还推出了与大模型配套的可信一体机与云解决方案，并与全国 20 家头部三甲医院、医疗管理机构，联合发起 AI 医疗共建计划，探索大模型创新应用。

支付宝发布多模态医疗大模型

支付宝发布多模态医疗大模型 7 月 5 日，在 2024 世界人工智能大会 “可信大模型论坛” 上，支付宝发布多模态医疗大模型，同时推出包括医疗可信一体机、可信云等解决方案。据悉，支付宝医疗大模型经过半年多测试后推出，是国内首批多模态医疗大模型之一。蚂蚁集团大模型应用部总经理顾进杰介绍称，蚂蚁百灵大模型具备原生多模态能力，可直接理解并训练音频、视频、图、文等多模态数据。支付宝医疗大模型以此为基座模型，添加了百亿级中英文图文、千亿级医疗文本语料及千万级医疗知识图谱，中英文医疗考试、基准测试达到或超过 GPT4 水准。

谷歌推出最新的大型语言模型 Gemini 1.0

谷歌推出最新的大型语言模型 Gemini 1.0 谷歌发布最新的大型语言模型 Gemini，谷歌 CEO 皮查伊在 6 月份的 I/O 开发者大会上首次透露了该模型，现在正式向公众推出。 谷歌针对不同场景发布了三种不同尺寸的版本。例如 Google 的人工智能聊天机器人 Bard 现在由可扩展的 Gemini Pro 提供支持。 Gemini Nano 是轻量版本，旨在 Android 设备上本地离线运行，Pixel 8 Pro 成为首款搭载此模型的设备。 Gemini Ultra，它是谷歌迄今为止创建的最强大的 LLM，适用于高度复杂的任务。似乎主要是为数据中心和企业应用设计的。

谷歌 Bard 更新：Gemini Pro 正式面向全球用户推出

谷歌 Bard 更新：Gemini Pro 正式面向全球用户推出 去年 12 月，谷歌将 Gemini Pro 英文版引入 Bard，赋予 Bard 更高级的理解、推理、总结和编码能力。今天，Gemini Pro 版 Bard 正式面向 Bard 支持的所有语言在 230 多个国家推出。 此外，Bard 可以生成英文图像了，这项新功能由 Imagen 2 模型提供支持，需要英语指令。只需输入描述，Bard 就会生成定制的、范围广泛的视觉效果，帮助您将想法变为现实。

Bard现已在全球范围内采用Gemini Pro模型

Bard现已在全球范围内采用Gemini Pro模型 12 月，Google推出了新的生成式人工智能模型，包括旗舰版 Gemini Ultra、"精简版"Gemini Pro和专为在 Pixel 8 等设备上运行而设计的 Gemini Nano。与此同时，该公司还更新了 Bard 与 Gemini Pro 的英语对话。Google没有量化这些改进，但表示聊天机器人在理解和总结内容、推理、头脑风暴、写作和计划方面会有更好的表现。Bard 在后台经历了几次迭代。最初在 2023 年 2 月亮相时，它采用的是 LaMDA（对话应用语言模型）；今年晚些时候，它又更新了一个新模型，称为 PaLM 2；现在，由 Gemini Pro 支持的 Bard 将在 230 多个国家推出，这些名称和版本令人困惑。今年 9 月，Google推出了"双重检查"功能，利用Google搜索来评估其返回的结果是否与 Bard 生成的结果相似。当时，该功能只有英文版。现在，Google正在扩展对 40 多种语言的支持。此外，这家搜索巨头还通过 12 月份发布的 Imagen 2 模型引入了图像生成支持。目前，该功能仅支持英语。用户可以在聊天机器人界面上输入类似"创建一辆未来派汽车的图像"这样的查询。通过 Bard 图像生成的图像示例Google公司表示，Bard生成的图片将在像素中嵌入由DeepMind开发的SynthID数字水印。不过，你必须使用Google的工具来识别这些图像。今年 10 月，Google为Google Assistant注入了 Bard 的人工智能功能，这样用户就可以做一些事情，比如计划旅行或制定杂货清单。11 月，Google向青少年开放了英文版的 Bard，并对其进行了限制，防止 Bard 生成不安全的内容，如非法或有年龄限制的物质。 ... PC版： 手机版：

谷歌发布了Gemini 1.5模型，最主要的升级是支持了高达 100 万的上下文长度，秒杀了所有模型。

谷歌发布了Gemini 1.5模型，最主要的升级是支持了高达 100 万的上下文长度，秒杀了所有模型。 Gemini 1.5基于Transformer和MoE架构的研究和工程创新，提高了训练和服务的效率。 Gemini 1.5 Pro是一个中等规模的多模态模型，适用于多种任务，并引入了在长上下文理解方面的实验性特性。 它标准的上下文窗口为128,000个Token，但现在已经可以通过AI Studio和Vertex AI向开发者和企业客户提供高达100万个Token的私人预览。 1.5 Pro 可以一次处理大量信息包括 1 小时的视频、11 小时的音频、包含超过 30,000 行代码的代码库或超过 700,000 个单词。 Gemini 1.5 Pro在文本、代码、图像、音频和视频评估的综合面板上的性能超过了Gemini 1.0 Pro，并且与1.0 Ultra在同样的基准测试上表现相当。 此外，Gemini 1.5 Pro在进行长上下文窗口的测试中表现出色，在NIAH评估中，它在长达100万个Token的数据块中99%的时间内找到了嵌入的文本。 了解更多：#context-window