本期为TechBeat人工智能社区第637期线上Talk。
长按识别二维码，一键预约TALK！
X-VILA 集成了超过160万条跨模态对话数据，并设计了双重对齐框架，包含文本对齐和视觉对齐两个通路，大幅提升了输入与输出的对齐效果。未来，X-VILA 还有诸多值得探索的方向，比如更大规模的训练、融入语音能力以及提升推理效率等。
2. X-VILA: 动机
3. X-VILA: 视觉对齐
4. X-VILA: 实验
5. 未来探索
Talk·预习资料
▼
论文链接：
https://arxiv.org/abs/2405.19335
论文链接：
https://arxiv.org/abs/2309.05519
Talk·提问交流
▼
Talk·嘉宾介绍
叶汉荣
香港科技大学计算机科学与工程系博士生 前Adobe Research, NVIDIA Research, Apple AIML研究实习生 研究多任务跨模态理解和生成模型，曾以第一作者在CVPR/ICCV/ICLR/ECCV/TIP…上发表论文。
个人主页:
https://www.techbeat.net/grzytrkj?id=13405
长按识别二维码，一键预约TALK！
-The End-
如果你也想成为讲者
▼
关于TechBeat人工智能社区
更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区
