摩根大通推出多模态文档理解模型DocLLM
2023年，淘宝不仅通过“号店一体”、为全量商家开放会员运营功能等，强化了品牌的私域运营能力，还先后引进了东方甄选等顶流机构。据统计，2023年，淘宝直播从各平台吸引了超过50万网红新主播入淘扎根。
但仅仅七年后，很多事情都发生了变化。
它不仅可以从图片中提取信息并回答问题，还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等，展现出了强大的多模态能力。在性能上接近GPT-4的情况下，LLaVA具有更高的成本效益，训练只需要8个A100即可在1天内完成。
Paint3D 利用两阶段纹理生成框架，首先通过预训练2D图像生成模型获取输入的引导信息，然后在UV纹理空间上训练无光照扩散模型，生成无光照纹理，提升3D模型纹理生成效果。