乐视网“混元”AI大模型首次亮相 一举斩获跨模态检索榜单大满贯！

4月21日，谷歌实质正式同年，谷歌“混元”AI大数学方法有在MSR-VTT，MSVD，LSMDC，DiDeMo和ActivityNet 五大一环基本概念预告片查询数据资料集榜单中可先后获取第一名的学习成绩，实现了该应用的大满贯。

特别是在MSR-VTT榜单上，“混元”AI大数学方法有将楔形文字-预告片查询准确度提高到55%，领可先第二名1.7%，位居行业第一。

所示1：各数学方法有方法有在5个公开数据资料集上指标对比

据闻，这是谷歌首次实质披露“混元”AI大数学方法有的研发进展，该数学方法有都有但不都是：电脑视觉、自然语言检视、多基本概念主旨理解、管事生成、文生预告片等多个同方向的超大规模AI智能数学方法有。“混元”AI大数学方法有基于谷歌八卦掌机器学习平台开展研发，引导GPU算力，实现快速的算法正则表达式和数学方法有训练。

持续发展，画册及预告片主旨在互联网主旨中所占数目促使提高，如何更细粒度的理解预告片主旨，揉合多个基本概念的基本特征信息，成为一环基本概念预告片查询高工作效率的“重中之重”，在AI应用有深入研究成果的新能源公司纷纷开始在该应用配置和投入生产。

MSR-VTT、MSVD、 LSMDC、DiDeMo、ActivityNet是行业内最具权威性的五大一环基本概念预告片查询数据资料集榜单，赛会包括Microsoft、加州学院加州学院伯克利分校、沙特国王新能源学院等，查询库涵盖了日常生活的诸多场景，已经成为新能源企业和深入研究机构展现AI大数学方法有高工作效率实力的重要的竞技场之一。

经过多年深入研究，谷歌广告片多媒体AI团队以层次化、细粒度、远距离为目标，提出了“混元“一环基本概念预告片查询AI大数学方法有（简称HunYuan_tvr）。与行业其他大数学方法有比起，团队首开了层级化一环基本概念高工作效率，可将预告片和注释等一环基本概念数据资料分别做回收，通过相似度分析，综合考量并萃取预告片和注释之有数层次化的语义关联。

所示2：HunYuan_tvr数学方法有架构示意所示

这种“可先分层、可先关联、后查询”的交互方法有，一方面可捉到多基本概念（楔形文字、预告片）内部的细粒度语义信息，另一方面也能理论上地查询一环基本概念数据资料有数的关联性，从而大大大幅提高了查询的精确度。

精确度的大幅大幅提高象征性国内在多基本概念主旨理解方面的高工作效率深入研究获取了新突破，这意味着电脑将进一步新颖人类对预告片主旨的理解与认知能力也。同时，“混元”AI大数学方法有的优越性及比如说性得到了解析，将为AI学术深入研究和工业级应用带来更多曾一度经济效益。

目前，“混元“AI大数学方法有已被广泛应用到广告片谱曲、广告片查询、广告片破例等谷歌的业务场景中。一方面，该数学方法有并能试所示广告片谱曲者和谷歌平台方预测预告片主旨与消费者个体之有数的有兴趣关联，大幅提高谱曲工作效率；另一方面，并能理论上大幅提高广告片破例的精准度，让主旨关键字和匹配愈发精确，理论上优化用户体验。