两张3090复现SearchGPT！

文章预览

来源：VSA团队  转自：量子位 OpenAI推出SearchGPT没几天，开源版本也来了。 港中文MMLab、上海AI Lab、腾讯团队简易实现了 Vision Search Assistant ，模型设计简单，只要 两张RTX3090 就可复现。 Vision Search Assistant（VSA）以视觉语言模型（VLM）为基础，巧妙地将Web搜索能力融入其中，让VLM内部的知识得到实时更新，使其更加灵活和智能。 目前，VSA已经针对通用图像进行了实验，可视化和量化结果良好。但不同类别的图像各具特色，还可以针对不同种类的图像（比如表格、医学等）构建出更为特定的VSA应用。 更令人振奋的是，VSA的潜力并不仅限于图像处理。还有更广阔的可探索空间，比如视频、3D模型和声音等领域，期待能将多模态研究推向新的高度。 让VLM处理未见过的图像和新概念 大型语言模型（LLM）的出现让人类可以利用模型的强大零样本问答能力来获 ………………………………