跳到正文
K = 0.731

清华与智谱研究发现，图像生成知识迁移到文本回答的效果有限

1篇报道 1个报道来源 6 小时前更新

先了解这件事

AI 综述

清华大学与智谱 AI 在一项研究中介绍了 GLM-Omni。研究发现，通过图像生成学到的知识很难迁移到文本回答中，而交错式图文训练和 Visual CoT 提高了文本回答的准确率。在受控的虚构世界任务中，GLM-Omni 的视觉准确率为 54.00%，文本回答准确率为 14.57%。交错式图文训练将文本回答准确率提高到 26.86%，而 Visual CoT 将其提高到 41.14%。 这些实验使用虚构世界考察了统一多模态模型中的知识迁移。其结果并未证明这些方法在真实且不断变化的环境中效果如何。

AI 根据报道生成 · 3 小时前更新

最新进展10月27日 15:43
GLM-Omni 研究探讨图像生成知识为何无法迁移到文本回答中雷锋网

接下来读什么

今日还有哪些重要变化GPT-6.1 Terra 正式发布

报道时间线

沿着报道，了解事件的不同侧面。

10月27日
  1. 雷锋网
    GLM-Omni 研究探讨图像生成知识为何无法迁移到文本回答中

    清华大学与智谱 AI 联合开展的一项研究介绍了 GLM-Omni，并探讨通过图像生成学到的知识能否迁移到文本回答中。在受控的虚构世界任务中，GLM-Omni 的视觉准确率为 54.00%，但文本回答准确率仅为 14.57%；交错式图像—文本训练将文本准确率提升至 26.86%，视觉思维链（Visual CoT）则将其提升至 41.14%。该论文并未确立 GLM-Omni 与 GLM-5.5 之间的联系。

每天一封，跟上 AI 的重要变化

模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。 看一份往期日报

本事件热度走势

可比范围当前
9
可比范围峰值
910月27日 19:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。