最新资讯
dev.to 我们在 DolphinBench 上测试记忆检索:纯关键词搜索暴露了自身回归 dev.to 别再把 Agent 写成 while 循环,把它建模为状态机 bloomberg.com Rightmove 与 Scout24 借 AI 产品应对低迷房市并上调展望 stackoverflow.blog 欢迎来到芯片时代:半导体制造、AI 数据中心与芯片设计的未来 www.youtube.com AI Agent 总犯同样的错:CentralAgent AI 将记忆重构为经验系统 pub.towardsai.net Netflix 科学家建议重采样 LLM 评判:5 次仅将误差棒缩小 13% pub.towardsai.net Jev 作为 LLM 前的静默层:构建提示感知的模型路由器 reddit.com OpenAI 称 Astra 仅满足 10% 安全任务标准 dev.to FreeToken:在自有 GPU 上运行前沿 MoE 模型及其内存需求 dev.to 当 AI Agent 说“完成”时,究竟完成了什么? dev.to 部署 Underdog Bark 3.0 Pro:逐字转写、自定义后端与分块设置 dev.to 为艰难对话构建 AI:五个 Agent、一条安全正则与一位盲评监督者
多元动态
登录 注册
算力商业 全球精选 · @Matthias Bastian

Reka AI 全模态模型 Rho-1:单一模型处理文本、图像、视频与机器人控制

原文 我的收藏

Reka AI 发布 Rho-1,一个 190 亿参数的全模态模型,可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。该模型使用约 320 张 H100 训练约三个月,算力需求仅为当前顶级模型的一小部分;它不将任务路由至专用系统,而是把各模态作为 token 放入同一共享上下文窗口。

AI推荐理由 Reka AI 的 Rho-1 为 190 亿参数全模态模型,在单一神经网络内处理并生成文本、图像、视频和机器人控制动作,用约 320 张 H100 训练约三个月,算力消耗远低于当前顶级模型,并以共享上下文窗口将各模态作为 token 统一处理,而非路由到专用系统。该信息对多模态模型架构与算力效率有参考价值,但来源为媒体转述,缺少论文或官方基准验证。

78

正文

当前仅保存了标题或简介;并非所有来源都提供正文,可通过下方原文链接查看。

来源报道 · 2 篇 · 以下链接均前往原始媒体

← 返回精选动态 原文

更多内容