字数 1365，阅读大约需 7 分钟
Cohere发布全新多模态AI模型Aya Vision，提供32B和8B两个版本
近日，人工智能初创公司Cohere的非营利研究实验室发布了一款多模态“开放”AI模型——Aya Vision。该模型在行业内处于领先地位，能够执行多项任务，包括撰写图片说明、回答与照片相关的问题、翻译文本以及生成23种主要语言的摘要。Cohere表示，他们通过WhatsApp免费提供Aya Vision，旨在让世界各地的研究人员更方便地获取技术突破。
Cohere公司背景
Cohere是一家致力于推动人工智能发展的初创公司，成立于2019年，总部位于加拿大。公司专注于自然语言处理（NLP）技术的研究和应用，致力于为开发者提供强大的AI工具。Cohere的团队由多位行业专家组成，拥有丰富的研发经验和技术积累。
Aya Vision模型介绍
Aya Vision是Cohere推出的全新多模态AI模型，旨在解决文本和图像多模态任务中的语言差距问题。该模型有两个版本：Aya Vision32B和Aya Vision8B。其中，Aya Vision32B被称为“新边界”，在某些视觉理解基准测试中表现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一些体量为其十倍的模型。
技术亮点与优势
多模态任务处理能力
Aya Vision模型具备强大的多模态任务处理能力，能够同时处理文本和图像数据。这使得它在撰写图片说明、回答与照片相关的问题等任务中表现出色。此外，Aya Vision还支持23种主要语言的文本翻译和摘要生成，极大地拓宽了其应用范围。
高效的训练方法
Cohere在训练Aya Vision模型时，采用了一种“多样化的”英语数据集，并通过合成标注进行训练。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。这种方法不仅减少了资源的使用，还取得了竞争力的表现，展示了Cohere对效率的重视。
超越竞争对手的表现
Aya Vision32B和Aya Vision8B在多项基准测试中表现优异，超越了体量更大的竞争模型。这表明Cohere在模型设计和训练方面具有显著优势，为行业树立了新的标杆。
AyaVisionBench基准评估工具
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。该工具旨在考察模型在视觉与语言结合任务务中的能力，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。
行业影响与前景
Aya Vision的发布无疑为人工智能行业带来了新的活力。其强大的多模态任务处理能力和高效的训练方法，为研究人员和开发者提供了强大的工具。同时，yaVisionBench基准评估工具的推出，也为行业解决“评估危机”提供了新的思路。
推动多模态AI发展
Aya Vision的发布将进一步推动多模态AI的发展。随着技术的不断进步，多模态AI将在更多领域得到应用，如智能客服、自动驾驶、医疗影像分析等。Cohere的突破性成果将为这些领域的发展提供有力支持。
提升行业评估标准
AyaVisionBench基准评估工具的推出，将有助于提升人工智能行业的评估标准。通过提供更广泛且具有挑战性的评估框架，AyaVisionBench将促使研究人员和开发者更加关注模型的实际应用能力，而非单纯追求基准测试的高分。
拓宽应用场景
Aya Vision的强大功能将拓宽人工智能的应用场景。例如，在智能家居领域，Aya Vision可以用于图像识别和语音交互，提升用户体验。在教育培训领域，Aya Vision可以辅助教师进行图像和文本分析，提高教学效率。
结语
Cohere发布的全新新多模态AI模型Aya Vision，借其强大的技术优势和高效的训练方法，为人工智能行业带来了新的突破突破。随着Aya Vision的广泛应用和AyaVisionBench基准评估工具的推广，期待看到更多创新成果的出现，推动人工智能技术向更高水平发展。
