PaperWeekly

GPT-4其实根本听不懂声音？港中文、斯坦福等联合打造视觉听觉评估新基准

作者

多模态大模型在听觉任务上表现不佳，甚至无法正确分辨明显不同的声音大小。研究团队提出了DeafTest和AV-Odyssey基准测试，揭示了现有模型在音频感知上的短板，并激发了对未来AI模型的改进方向。

谷歌“狙击”OpenAI，发布新一代大模型Gemini 2.0！主打Agent+多模态

作者

谷歌推出了新一代大模型Gemini 2.0，专为AI Agent设计。新模型已经在网页端开放使用，并推出名为深度研究的新功能帮助用户进行研究助理工作。Gemini 2.0在多模态、速度和通用助手愿景方面表现出色。