何恺明团队发布多模态Harness框架
何恺明团队推出多模态Harness框架，旨在统一和提升多模态AI模型的训练与评估效率，为通用人工智能研究提供新工具。
多模态学习
[EN] Google ScreenAI：5B参数视觉语言模型，在UI与信息图理解任务上达到最先进水平
Google Research推出的ScreenAI是一种基于PaLI架构与pix2struct灵活分块策略的视觉语言模型，能以5B参数在UI与信息图理解任务中取得领先效果，同时自动生成大规模训练数据。
[EN] Google发布ScreenAI：面向UI与信息图的视觉语言模型
Google Research推出ScreenAI，一种基于PaLI架构并融合pix2struct灵活分块策略的视觉语言模型，专为理解用户界面和信息图设计。该模型仅5B参数，在WebSRC、MoTIF等UI及信息图任务上达到最先进水平，并在Chart QA、DocVQA等任务上同类最佳。