Next Token Prediction Towards Multimodal Intelligence: A Comprehensive Survey

本文是LLM系列文章,针对《Next Token Prediction Towards Multimodal Intelligence: A Comprehensive Survey》的翻译。

摘要

在自然语言处理中语言建模的基础上,Next Token Prediction(NTP)已经发展成为跨各种模式的机器学习任务的通用训练目标,取得了相当大的成功。随着大型语言模型(LLM)的发展,在文本模态中统一了理解和生成任务,最近的研究表明,来自不同模态的任务也可以有效地封装在NTP框架中,将多模态信息转换为令牌,并在给定上下文的情况下预测下一个。这项调查引入了一个全面的分类法,通过NTP的视角统一了多模态学习中的理解和生成。拟议的分类法涵盖了五个关键方面:多模式标记化、MMNTP模型架构、统一任务表示、数据集和评估以及开放挑战。这一新的分类法旨在帮助研究人员探索多模态智能。收集最新论文和repos的相关GitHub存储库可在https://github.com/LMM101/Awesome-Multimodal-Next-Token-Prediction.

1 引言

2 多模态tokenization

3 多模态下一个token预测的骨干模型

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值