实测百度iRAG技术:大模型终于知道如何去掉“AI味儿”了

  出品|三言Pro ;作者|DorAemon

  今日,2024百度世界大会在上海举办,百度创始人李彦宏在会上发表了题为《应用来了》的演讲。

  在会上,李彦宏谈到过去24个月对于大模型行业而言,最大的变化是“大模型基本上消除了幻觉”,回答问题的准确性大大的提升了。 “让AI从一本正经的胡说八道变得可用,可被信赖。”

  李彦宏在会上介绍了百度最新的iRAG技术,依托该技术,可以让AI大模型文生图功能准确性大增,不再有“幻觉”,也就是说,AI制作的图片已经不再有“AI味儿”了。

  其实李彦宏对AI大模型的评价是非常到位的,AI文生图的“AI味儿重”曾经闹出不少笑话,到现在已经进化到摆脱“AI味儿”了。

  曾经“图不对题”

  如今用iRAG消除模型幻觉

  记得去年国内大模型发布之后,文生图功能迅速吸引了一批用户,但是也很快成为网友调侃对象。

  大家为什么调侃呢,因为那时候大模型对用户“文生图”的关键词理解是真从“字面意义”上认知的。

  如果不说上面这五张图的正确答案,恐怕大家很难猜得出这些图到底表达的是什么意思。而一旦知道了“谜底”,会立刻“笑喷”。

  上面这五张图是彼时大模型画的锤子手机、虎皮鸡蛋、胸有成竹、鱼香肉丝和驴肉火烧。

  除了上述这类比较“逗乐”的问题外,AI文生图产品也经常会犯一些常识性错误。比如要求大模型生成一张天坛图片,但大模型给出的结果是一座四层形似天坛的图片,而天坛实际上只有三层。

  这就是AI文生图的“AI味儿”。

  但在笔者看来,最开始大模型文生图出现这样令人啼笑皆非的结果,首先证明其是真“自己理解、自己生成”,而非简单粗暴的复制网络内容;其次,这些问题随着产品进化也得到修复,以文心大模型为代表的国产大模型正在不断进化。

  百度世界2024上,百度正式发布iRAG技术,即image based RAG检索增强文生图技术。采用该技术的文生图能力不仅不再犯上面这种“搞笑错误”,更是在生成特定物品、生成特定人物与任意背景结合的图片,比如“某人物在某地点做某事”。iRAG所生成的图片是真实、无模型幻觉的,准确性高,没有“AI味儿”。

  那么,拥有更强文生图能力的文小言,实际效果如何呢?笔者决定亲自测试,并且也尝试了其他两种不同大模型产品进行简单对比。

  测试过程中,包括文心一言在内的三个大模型使用的关键词均一致,只对比不同大模型文生图结果区别。

  iRAG技术实际测试:准确率非常高

  为了能够得到更加真实的测试结果,笔者决定让不同大模型生成十张图,然后对比结果差异。

  1. 让大模型生成一张马斯克在吃蛋糕的图片。

  先来看文心一言的结果,文心一言提供了两张图片,首先这两张图片中人物为马斯克的特征非常多,可以说一眼就能看出是马斯克;一张中马斯克身穿西服,手里拿着蛋糕;另一张中则是马斯克身着T恤,双手端着盛有蛋糕的盘子。无论哪张,都准确无误。

  另一款大模型产品,这里叫“大模型A”吧,一次给出了三张“马斯克吃蛋糕的图片”。可以看出,大模型A在特定人物刻画上,虽然也能够看出是马斯克,但并没有那么细致;此外,还存在一些错误,有一张图片中,“马斯克”手持蛋糕的姿势很“诡异”,而且指头长度明显不对。

  再看今天测试的第三个大模型的结果,这里称之为“大模型B”吧。大模型B画的马斯克与马斯克真人相差甚远,更别提其手持蛋糕的手指画错。

  2. 生成一张安妮海瑟薇吃炸酱面的图

  文心一言生成了两张安妮海瑟薇吃炸酱面的图片,同样,两张图中海瑟薇的细节特征拉满,炸酱面、人物手部等也都准确;

  大模型A则一口气生成四张图片,其中,有一张面部不很像海瑟薇本人;其余三张虽然也能准确画出海瑟薇,但在人物手部细节、餐具细节上仍有错误。

  大模型B还是完全无法准确画出海瑟薇形象,而且面碗看上去也过于巨大。

  3. 生成一张霍金在篮球场打麻将的图片

  这个题目笔者认为是比较“刁钻”的,因为“元素过多”。先来看文心一言生成的两张图中,可以说正确率在90%,唯一错误则是霍金“没有轮椅”,除此之外,人物形象、篮球场、打麻将这些细节都得到体现。

  而大模型A这次属于“彻底翻车”,不仅没有准确生成霍金的外貌,在处理麻将桌上错误百出。

  大模型C的结果只能说“轮椅”是正确的,人物形象和麻将牌摆放方法都不准确。

  4. 生成一张苹果CEO库克在天坛骑车的图片

  文心一言生成的两张图中,可以明显看出人物具有库克特征,同时背景也有天坛以及天坛式建筑。但库克的面部细节还欠点意思;

  而大模型A生成的四张图中,具有明显库克特征的只有一张,其余三张人物形象偏差较大;而且骑自行车腿部细节有问题。

  大模型C则再次无法生成指定人物,且骑自行车的腿部细节错误。

  5. 生成一张乔布斯在工作的图片。

  文心一言生成的两张乔布斯工作图基本上没有逻辑错误,人物形象也比较准确,唯一问题可能是画中电脑屏幕显示的系统“并非Mac OS”。

  而大模型A给出的四张图中,要么人物形象欠点意思,要么则是对电脑处理存在明显错误;

  大模型B的“乔布斯”完全只是个陌生白人老人。

  6. 生成一张东方明珠在深山里的图

  文心一言对文生图要求比较严谨,不仅体现出东方明珠电视塔在深山的概念,同时也比较符合逻辑地描绘出电视塔的地基等信息。

  而大模型A给出的四张图中,则感觉比较“生硬”,有点强行将电视塔PS到山林里的感觉,同时部分图中东方明珠电视塔还存在细节错误。

  而大模型B虽然体现了深山元素,但是却完全将东方明珠电视塔描绘错误。

  7. 生成一张鱼尾狮在沙漠里的图

  感觉这个要求对文心一言来说“轻而易举”,不仅体现了沙漠元素,而且对鱼尾狮这尊雕塑也描绘正确;

  这里把大模型A、B放一起说,因为这两个大模型均体现了沙漠,但是却都把鱼尾狮画错了。

  8. 生成一张天坛在海边的图。

  文心一言描绘的天坛在海边图片中,细节还是很不错的,尤其是处理建筑与水交接地方。

  而大模型A生成的四张图中,虽然也能够比较准确描绘出天坛和海的元素,但是也存在把天坛三层建筑画成两层情况。

  大模型B干脆把天坛“压扁”……

  9.生成一张福建土楼出现在现代都市里的图

  文心一言对福建土楼以及现代都市的理解准确率都很高,细节部分也都不错;

  大模型A生成的四张图中,也基本准确的完成笔者要求,只有一张近景建筑感觉“奇怪”。

  而大模型B的图片则完全把土楼画成类似“天坛”了。

  10. 生成一张甄嬛玩手机的图

  这个题目其实挺有意思,“甄嬛”历史上并不存在,但是有其原型人物,即清朝孝圣宪皇后;所以“甄嬛”的形象对于大众来说其实来自电视剧《甄嬛传》,那就是演员孙俪的形象;此外,《甄嬛传》还有原著小说,从小说角度来说,每个人心中的“甄嬛”都不一样。

  可以看出,文心一言的“甄嬛”是按照孙俪扮演的形象为基础,相信也是很多看过电视剧《甄嬛传》网友的“第一选择”;同时,文心一言的图片在细节处理准确率非常高。

  大模型A则完全提供了不同的甄嬛形象,并没有参考孙俪,不过,大模型A的图片中,存在很多手指错误;

  大模型B的甄嬛也同样存在手指细节错误,同时手机也有些“一眼假”。

  百度要做数百万“超级有用”的应用

  整个测试体验下来,说实话,笔者着实被iRAG惊艳到。几个大模型文生图功能对比,文心一言对用户的指令理解能力最好,出图正确率也是最高的。

  而文心一言能够领先,当然是基于百度强大的AI能力,而且以搜索起家的百度在这方面更是有得天独厚的优势。

  百度的iRAG技术能够将百度搜索的亿级图片资源和强大的基础模型能力相结合,就可以生成各种超真实的图片,整体效果远远超过文生图原生系统,去掉了AI味儿,而且成本很低。iRAG具备无幻觉、超真实、没成本、立等可取等特点。

  在今天的测试中,文心一言对特定物品、特定人物认知能力高,同时得出的结果也没有“变形的手指”、“诡异的物品”这种充满“AI味儿”的情况。

  再回到本文开头提到的五张去年“闹笑话”的AI成图,如果让现在的文心一言重新生成一次,结果会是什么呢?

  锤子手机不再是“真锤子”、虎皮鸡蛋不再是“老虎形状的蛋”、胸有成竹不再是字面意义上的“人和竹子”,鱼香肉丝和驴肉火烧也都是美食形象……今天的大模型完全不会再犯曾经的“搞笑错误”,不仅能够准确理解用户输入词语,而且生成的图片如果不看水印完全认不出是AI做的。

  笔者随手用大模型A试了一下让AI生成“胸有成竹”图片,结果这个模型其实还是从字面意义上理解,给出的是人物和竹子两个元素,并不像文心一言一样能够理解成语本意。

  大模型的文生图能力是AI应用的很小一个缩影,但同时这个功能能够带来的生产力提升是巨大的。小到普通自媒体工作者的图文编辑,大到上市公司宣传海报制作,大模型能够显著降低工作成本。而这一切都要建立在AI文生图应用“好用、能用”的基础上。

  从文生图应用拓展来看,越来越多的AI应用落地才能真正意义让“AI时代”惠及到所有人。所以,发展AI应用其实比“卷大模型”更重要。

  李彦宏对大模型的观点也是一以贯之的,他已经不止一次指出,“卷应用”才是大模型发展的方向。其实李彦宏的观点非常正确,应用越多才能使得大模型更加普惠化,否则只是无根之木,难以长久发展。

  在今天的百度世界大会上,李彦宏称“我们即将迎来AI应用的群星闪耀时刻”,他还再次强调“超级能干”的应用比只看DAU的“超级应用”更重要,只要对产业、对应用场景能够产生大的增益,整体价值就比移动互联网要大多了。

  目前,文心智能体平台已经吸引15万家企业和80万名开发者参与,覆盖应用场景丰富,涵盖制造、能源、交通、政务、金融、汽车、教育、互联网等众多行业。李彦宏称,“百度不是要推出一个‘超级应用’,而是要不断地帮助更多人、更多企业打造出数百万‘超级有用’的应用。”

主题测试文章,只做测试使用。发布者:sengcheng,转转请注明出处:https://www.sengcheng.com/9462.html

(0)
sengcheng的头像sengcheng
上一篇 2024年11月12日 下午6:44
下一篇 2024年11月12日 下午6:45

相关推荐

  • 海港主帅回应武磊缺席国家队 详解伤情与努力

    海港主帅穆斯卡特在咪咕视频专访中谈到了武磊的伤势情况。他表示,经过一年的共事,他对武磊的了解比中国大部分人更深。他接下来所说的不是个人观点,而是事实。 从俱乐部和武磊个人的角度来看,他总是全力以赴参加国家队的每一次集训和比赛。特别是在最近两个国际比赛日的窗口期,武磊尽一切可能希望赶上国家队的集训。为此,他还去医院打了两针封闭,以确保能够参加国家队的比赛。 回…

    行业 2024年11月14日
    1000
  • 我国发射一箭15星 商业航天再创辉煌

    11月11日12时03分,力箭一号遥五运载火箭在东风商业航天创新试验区发射升空,成功将试验二十六号A、B、C星,吉林一号高分05B星、平台02A03星,云遥一号31星至36星,西光壹号04星、05星,阿曼智能遥感卫星一号以及天雁24星共15颗卫星送入预定轨道,飞行试验任务圆满完成。 这次是力箭一号运载火箭的第五次飞行,也是中国商业航天企业首次向国际用户提供发…

    行业 2024年11月12日
    1000
  • 警方通报网传领导撞伤宠物狗后逃逸 醉驾与谣言澄清

    警方通报网传领导撞伤宠物狗后逃逸 近日,成都一名男子称自己的爱犬被撞,肇事司机逃离现场。随后,一名自称“领导”的朋友到场并出言威胁,此事引起了广泛关注。10月29日,成都市公安局交通管理局发布警情通报表示,肇事司机涉嫌醉酒驾驶机动车。通报还澄清,网传的“自称‘领导’的朋友出言威胁”和“交警包庇肇事逃逸者”均为不实信息。 警方通报网传领导撞伤宠物狗后逃逸。

    行业 2024年10月29日
    2900
  • 切勿随意扫码领礼品 谨防信息泄露陷阱

    切勿随意扫码领礼品 “扫一扫,免费领礼品!”这种推销活动在商超入口、街头巷尾十分常见,但背后可能隐藏着风险。四川乐山公安网安部门近期查处了一起假冒政府工作人员身份骗取公民个人信息的案件。切勿随意扫码领礼品! 2024年4月,乐山公安网安部门发现网民辜某、李某在网络上大量发布“代实名注册”的服务广告,并对此展开调查。经过进一步调查,警方发现该团伙不仅在网络上收…

    行业 2024年11月7日
    1900
  • 港媒快评:特朗普不要战争 赖清德应改善两岸关系

    台专家:特朗普不会为“台独”而战 据香港“中评社”快评指出,特朗普赢得美国总统大选,即将重回白宫。特朗普6日在胜选集会上说“不会开战,我要停止战争。”很多人相信特朗普会说到做到,因为他在上一任总统任内的确未发动过战争。 特朗普“不要战争”,是说给美国人听的,当然也是说给世界听的,说给台湾方面的赖清德当局听的。这些年因为“台独”猖獗、外力插手,台海成为西方媒体…

    行业 2024年11月8日
    1900

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们

400-800-8888

在线咨询: QQ交谈

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信