📊 广泛评估表现: 在16个已知数据集中，DocLLM在多种文档智能任务中表现优越，对未见数据集具有强大泛化能力。
研究人员将相关病例的文本粘贴到ChatGPT的提示中，然后由两名合格的医学研究员对AI生成的答案进行评分。ChatGPT在100个病例中仅有17个正确的诊断，72个错误的诊断，以及11个未完全捕捉到诊断的情况。其中，57%的错误诊断集中在同一器官系统。
论文网址:https://arxiv.org/abs/2401.00368
Meta相信HawkEye代表了运营人工智能的重大进展。随着机器学习在其应用程序和平台中变得越来越重要，HawkEye提供了在规模上所需的防护栏和诊断工具。这种调试效率将使Meta加速开发和部署基于人工智能的功能。通过HawkEye，公司旨在随着其广泛的生产生态系统中人工智能复杂性的增加，提高可靠性。Meta声称开源HawkEye将推动整个行业在强大而负责任的人工智能运营方面取得进展。
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。