最新报告显示，NuminaMath模型获得AIMO一等进步奖，并已开源。小型模型在手机端性能提升显著，而大型语言模型中的Agents和Function Calling技术日益流行。多模态模型在图像+文本和音频领域取得突破，如CogVLM2和InternVL 2.0。此外，文本到图像技术迎来新竞争者，开源大模型能力不断提升，值得关注的方法包括直接偏好优化和Agent到多模态Agent的系统发展。

🎉 NuminaMath模型赢得AIMO一等奖，其模型和数据开源，为学术界和工业界提供重要资源。

📱 小型模型在手机上的性能越来越好，使得移动端处理复杂任务成为可能。

🚀 Agents和Function Calling在大型语言模型中变得越来越流行，推动模型应用向更高级发展。

🌌 多模态模型，尤其是CogVLM2和InternVL 2.0，在无需OCR或分割的情况下，实现了文档的良好视觉嵌入。

🖼️ 文本到图像技术领域迎来新参与者，如Anole、Fal和腾讯，竞争加剧。

🦾 开源大模型如Meta的Llama 3.1 405B和Mistral Large 2在代码生成、数学和推理方面表现卓越，与顶尖模型相媲美。

2024-07-25 15:58 湖北

关键信息：

数学模型如NuminaMath和Mathstral。

NuminaMath获得AIMO一等进步奖，模型与数据都开源

小型模型在手机上的性能越来越好。

Agents和Function Calling在大型语言模型（LLM）中越来越流行。

多模态模型，特别是在图像+文本领域和音频领域，CogVLM2、InternVL 2.0

无需OCR或分割即可获得文档良好嵌入的视觉嵌入模型。

文本到图像的技术有新的玩家加入，如Anole、Fal和腾讯。

开源大模型越来越强，Meta的Llama 3.1 405B，以及Mistral Large 2（代码生成、数学和推理方面表现出色，与 GPT-4o、Claude 3 Opus 和 Llama 3 405B 等相当）

报告PPT详情：

推荐阅读

• 对齐LLM偏好的直接偏好优化方法：DPO、IPO、KTO

• 2024：ToB、Agent、多模态

• RAG全景图：从RAG启蒙到高级RAG之36技，再到终章Agentic RAG！

• Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1.2万字，20+文献，27张图）

---

欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。