来自腾讯优图实验室、上海AI实验室、香港中文大学多媒体实验室等机构的团队发表128页的论文，对谷歌Gemini Pro的视觉理解能力进行测评并与OpenAI的GPT-4V比较，同时还与最新的开源MLLM Sphinx进行了比较，Sphinx显示了人工和黑盒系统之间的差距。测评涵盖了四个领域：基础感知、高级认知、挑战性视觉任务和各种专业能力。定性样本表明，虽然GPT-4V和Gemini展示了不同的回答风格和偏好，但它们在视觉推理能力上是可比较的，而Sphinx在领域泛化方面仍然落后于它们。具体来说，GPT-4V倾向于详细解释和中间步骤，而Gemini更喜欢输出直接而简洁的答案。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
关注公众号，免费获取chatgpt账号
相关文章
暂无评论...
AI中国(aicn.me)致力于收集与AI相关的热门工具，包括但不限于ChatGPT、AI视频、AI办公、AI语音等领域，并为广大AI爱好者提供学习平台，降低获取学习资源的成本。同时，同步分享最新的行业前沿AI工具和网站，旨在帮助AI爱好者不断探索AI技术的发展。
