哭死啊，全球狂炼大模型，一互联网的数据不够用，根本不够用。

 

训练模型搞得跟《饥饿游戏》似的，全球AI研究者，都在苦恼怎么才能喂饱这群数据大胃王。

尤其在多模态任务中，这一问题尤为突出。

一筹莫展之际，来自人大系的初创团队，用自家的新模型，率先在国内把“模型生成数据自己喂自己”变成了现实。

而且还是理解侧和生成侧双管齐下，两侧都能生成高质量、多模态的新数据，对模型本身进行数据反哺。

模型是啥？

中关村论坛上刚刚露面的多模态大模型Awaker 1.0。

团队是谁？

智子引擎。由人大高瓴人工智能学院博士生高一钊创立，高瓴人工智能学院卢志武教授担任顾问。公司成立时还是2021年，就早早打入多模态这条“无人区”赛道。

MOE架构，解决多模态多任务训练冲突问题

这不是智子引擎第一次发布模型。

去年3月8日，潜心研发两年的团队对外发布了自研的第一个多模态模型，百亿级别参数的ChatImg序列模型，并基于此推出世界首个公开评测多模态对话应用ChatImg（元乘象）。

后来，ChatImg不断迭代，新模型Awaker的研发也在并行推进。后者还继承了前代模型的基础能力。

相较于前代的ChatImg序列模型，Awaker 1.0采用了MoE模型架构。

要说原因嘛，是想要解决解决多模态多任务训练存在严重冲突的问题。

采用MoE模型架构，可以更好地学习多模态通用能力以及各个任务所需的独特能力，从而让整个Awaker 1.0的能力在多个任务上有进一步提升。

数据胜千言：

 

鉴于主流多模态评测榜单存在评测数据泄露问题，智子团队从严构建了自有评测集，大部分测试图片来自个人手机相册。

表格显示，团队让Awaker 1.0和国内外最先进的3个多模态大模型进行了评测。

多提一嘴，由于GPT-4V和Intern-VL并不直接支持检测任务，它们的检测结果是通过要求模型使用语言描述物体方位得到的。

可以看到，在视觉问答和业务应用任务上，Awaker 1.0的基座模型超过了GPT-4V、Qwen-VL-Max和Intern-VL。

在描述、推理和检测任务上，Awaker 1.0的基座模型达到了次好效果。

最后来看平均分，Awaker 1.0处于几者中的最高值。

因此，上述结果也印证了多任务多模态模型采用MoE架构的有效性。

 

数据集评测结果有了，真实效果还需进一步上手体验。

这里主要问了它和对比大模型一些关于中文OCR（图片文字识别）和计数问题、详细描述任务等问题。

这个主要考计数：

Awaker 1.0能正确地给出答案，而其它三个模型均回答错误。

 

这个主要考中文OCR：

正确回答的选手是Qwen-VL-Max和Awaker 1.0。