大家好，欢迎收听'Hugging Face 每日AI论文速递'。今天是2024年8月12日，我们将带您快速浏览今日的10篇热门AI论文，涵盖全模态大型语言模型、多模态理解、视觉推理等多个前沿领域。现在，让我们立即进入精彩的论文世界。

[00:24] 🌐 VITA: Towards Open-Source Interactive Omni Multimodal LLM（VITA：迈向开源交互式全模态大型语言模型）

[00:58] 🦉 mPLUG-Owl3: Towards Long Image-Sequence Understanding in Multi-Modal Large Language Models（mPLUG-Owl3：多模态大型语言模型中长图像序列理解的研究）

[01:42] 🔍 Gemma Scope: Open Sparse Autoencoders Everywhere All At Once on Gemma 2（Gemma Scope：在Gemma 2上全面开放稀疏自编码器）

[02:19] 🔍 UniBench: Visual Reasoning Requires Rethinking Vision-Language Beyond Scaling（UniBench：视觉推理需要重新思考视觉-语言模型超越规模）

[03:00] 📊 ToolSandbox: A Stateful, Conversational, Interactive Evaluation Benchmark for LLM Tool Use Capabilities（ToolSandbox：一个用于评估LLM工具使用能力的状态依赖、对话交互的评估基准）

[03:53] 🔄 MulliVC: Multi-lingual Voice Conversion With Cycle Consistency（MulliVC：多语言语音转换与循环一致性）

[04:36] 🔄 BRAT: Bonus oRthogonAl Token for Architecture Agnostic Textual Inversion（BRAT：架构无关文本反转的额外正交令牌）

[05:14] 🧠 Generating novel experimental hypotheses from language models: A case study on cross-dative generalization（从语言模型生成新的实验假设：跨间接泛化案例研究）

[05:52] 🎙 MooER: LLM-based Speech Recognition and Translation Models from Moore Threads（基于LLM的语音识别与翻译模型MooER）

[06:40] 📹 Kalman-Inspired Feature Propagation for Video Face Super-Resolution（基于Kalman滤波的特征传播在视频人脸超分辨率中的应用）

【关注我们】

您还可以在以下平台找到我们，获得播客内容以外更多信息

小红书: AI速递

2024.08.12 每日AI论文 | VITA模型多模态交互领先，mPLUG-Owl3长图像序列理解卓越 08:02 Share

HuggingFace 每日AI论文速递

Shownotes Transcript

2024.08.12 每日AI论文 | VITA模型多模态交互领先，mPLUG-Owl3长图像序列理解卓越