國際權(quán)威評測平臺OpenCompass最新公布全球多模態(tài)榜單,其中,由云從科技(688327)自主研發(fā)的從容大模型以80.7分的綜合成績登頂榜單。這一成績不僅刷新了國內(nèi)AI模型在國際多模態(tài)測評中的最高得分紀(jì)錄,亦超越了谷歌、OpenAI等全球頂尖人工智能巨頭,與商湯科技SenseNova(80.4分)、上海AI LAB InternVL(79.1分)等中國團(tuán)隊共同占據(jù)榜單前10名的半壁江山,展現(xiàn)了中國在通用人工智能領(lǐng)域的突破性進(jìn)展。
據(jù)介紹,此次評測中,云從科技從容大模型展現(xiàn)了全方位技術(shù)優(yōu)勢。面對涵蓋視覺感知、認(rèn)知理解與跨領(lǐng)域應(yīng)用的八大核心數(shù)據(jù)集,該模型在醫(yī)學(xué)健康、數(shù)理邏輯、藝術(shù)設(shè)計等十余個專業(yè)領(lǐng)域表現(xiàn)突出。尤其在MMBench中文測試、高難度學(xué)科綜合評測(MMMU)及高階推理榜單(MMStar)中均拔得頭籌,并在復(fù)雜場景文本識別(ocrbench)、開放域問答(MMVet)等關(guān)鍵場景中穩(wěn)居全球前列,其綜合能力較國際頭部模型GPT-4.1領(lǐng)先近5分。
記者從云從科技獲悉,該技術(shù)的突破緣于公司在多模態(tài)核心領(lǐng)域的持續(xù)深耕,從容大模型聚焦通用視覺語言理解與推理任務(wù),通過三大核心領(lǐng)域(多模態(tài)對齊、高階推理、長上下文建模)的突破性優(yōu)化,構(gòu)建起多項全球領(lǐng)先的技術(shù)壁壘。
在“多模態(tài)對齊”方面,從容大模型自建面向強(qiáng)化指令對齊的高質(zhì)量基準(zhǔn)數(shù)據(jù)集,覆蓋了圖文問答、多模態(tài)理解、多輪交互等任務(wù)場景,提升多模態(tài)理解與任務(wù)指令遵循的推理表現(xiàn)。
在“決策類人化”方面,從容大模型首創(chuàng)融合DPO(直接偏好優(yōu)化)與GRPO(生成式獎勵優(yōu)化)的雙重對齊技術(shù),無需依賴獎勵模型即可實現(xiàn)類人化推理決策,通過優(yōu)化模型學(xué)習(xí)機(jī)制,從容大模型實現(xiàn)了更貼近人類思維的決策方式,在復(fù)雜問答與多輪交互中展現(xiàn)出更強(qiáng)的智能行為選擇能力。
此外,在高效工程優(yōu)化上,從容大模型重點攻克了4K高分辨率圖像問答場景,面向多模態(tài)文檔理解(OCR)對模型的圖像編碼器進(jìn)行了結(jié)構(gòu)優(yōu)化,可處理高分辨率圖像與文檔(如合同、發(fā)票表格等),支持多模態(tài)文檔的智能審查、智能解析、智能問答等任務(wù);面對跨頁文檔分析、多輪對話等長文本場景,可精準(zhǔn)追蹤超過3萬字的上下文邏輯。
在原生多模態(tài)推理上,從容大模型全面升級,面向多圖、跨圖場景的圖文交錯模式和原生視頻模式,提供原生的多模態(tài)文檔理解和多模態(tài)視頻理解,可以實現(xiàn)跨圖比較、圖文組合推理、多圖問答等復(fù)雜多模態(tài)任務(wù),進(jìn)而提升大模型的模型理解深度與廣度。
目前,從容大模型已在金融、制造、政務(wù)等多個領(lǐng)域通過AI智能體實現(xiàn)規(guī)模化落地。例如,某銀行基于該模型與云從科技合作打造風(fēng)控合規(guī)案防智能平臺,構(gòu)建風(fēng)控AI智能體,實現(xiàn)風(fēng)險識別自動化和問責(zé)標(biāo)準(zhǔn)化,投訴數(shù)量壓降50%以上;在電商領(lǐng)域,云從科技為正浩創(chuàng)新部署的智能客服平臺,通過多模態(tài)對齊與知識庫精準(zhǔn)匹配,將問答準(zhǔn)確率提升至95%,客服月均效率提高24%。
“技術(shù)創(chuàng)新最終要服務(wù)于社會價值?!痹茝目萍悸?lián)合創(chuàng)始人姚志強(qiáng)表示,團(tuán)隊將持續(xù)探索多模態(tài)技術(shù)的安全落地模式,以自主創(chuàng)新的AI基礎(chǔ)設(shè)施,為全球智能化轉(zhuǎn)型提供更高效、更包容的技術(shù)支撐。