环球经济报道
当前位置:主页 > 聚焦 >

不仅能读懂,还能帮你看懂,讯飞星火成为打工人的“超级助手”

  时间:2024-04-28 21:13:58     来源: 证券之星    阅读量:4408    

4 月 26 日,科大讯飞发布讯飞星火 V3.5 更新版本,首发星火图文识别大模型,赋予大模型感知现实世界的能力。这标志着国产大模型在支持图文输入领域的一次重要突破。

事实上,尽管先进的大模型在语言交互方面展现出了卓越的能力,但它们在图文识别领域的表现却不尽如人意。去年10月,华南理工大学针对此前发布的 GPT-4Vision做了一篇全面评测,结论是 GPT-4Vsion识别文字的能力比 OCR专用模型低了几十个点,尤其在手写中文文本识别中表现出明显的幻觉问题。

国内多数面向 C 端的大模型应用产品较少具备图文识别能力。一家头部国产大模型应用的拍照识别功能仅支持“搜题”,无法在更多场景下使用。一些大模型应用甚至根本没有拍照选项,用户仅能通过输入文本与大模型交互。

然而,在日常工作和学习中,人们接触到的信息并不局限于纯文本。纸质合同、会议PPT、工作纪要等资料,如何才能让大模型帮助我们进行分析和整理呢?

讯飞星火通过其图文识别大模型,旨在从根本上解决这一问题。星火图文识别大模型具备对复杂板面的高精度解析,融合篇章语义的文字识别功能,以及覆盖多领域的专业符号识别等特点。借助该技术,讯飞星火可以实现对多媒体信息的深入理解,显著提高用户获取知识和学习的效率。无论是会议纪要、说明书、报纸还是书籍,都可以通过拍照快速得到大模型的识别与理解。

科大讯飞董事长刘庆峰说,经过多年积累,科大讯飞屡次在国际的图文识别、公式识别中获得大赛第一,为讯飞星火图文识别大模型的推出奠定了基础。

刘庆峰还介绍说,在英文公开测试集的图文识别效果对比中,星火图文识别大模型领先微软、Google 等国际产品 6 个百分点。在诸如科研、金融、产品文档等典型应用场景的图文识别效果对比中,星火图文识别大模型均实现对目前公认实力最强的 GPT-4V 的超越。

星火图文识别大模型的加入,相当于给讯飞星火装上了一双“眼睛”。现实生活中看到不明白的内容,随手一拍就能求助大模型。一份报纸信息过多,一键拍照让大模型来帮你整理要点,获取知识的门槛和便利程度都大大提高。签订的租房合同看不出漏洞,拍给大模型一键帮你指出风险条款,让你也能化身法律专家。

越来越多的从业者已经认识到,多模态能力将是未来衡量大模型可用性、易用性的重要指标。视觉作为多模态能力的最重要的一环,可以帮助大模型实现从单纯的文本能力到感知物理世界的巨大飞跃,为未来大模型应用提供了更大的想象空间。

根据国家互联网信息办公室,截至今年 3 月,中国已备案的大模型已经达 117 家。预计在不远的将来,越来越多的国产大模型将致力于多模态内容的开发,使大模型技术真正融入人们的日常工作和学习中。

声明:本网转发此文章,旨在为读者提供更多信息资讯,所涉内容不构成投资、消费建议。文章事实如有疑问,请与有关方核实,文章观点非本网观点,仅供读者参考。