中國建設(shè)銀行互聯(lián)網(wǎng)網(wǎng)站,建筑公司網(wǎng)站管理員,衡陽市建設(shè)工程質(zhì)量監(jiān)督站網(wǎng)站,找logo的網(wǎng)站#x1f4cc; 一句話總結(jié)#xff1a; 本工作提出 CreBench——首個從 創(chuàng)意想法 → 創(chuàng)意過程 → 創(chuàng)意作品 三階段系統(tǒng)評估創(chuàng)造力的多模態(tài)基準(zhǔn)#xff0c;同時構(gòu)建 CreMIT 教學(xué)式指令大模型數(shù)據(jù)集#xff0c;并訓(xùn)練出創(chuàng)造力專家模型 CreExpert#xff0c;在與 GPT-4V、Gemi… 一句話總結(jié)本工作提出 CreBench——首個從 創(chuàng)意想法 → 創(chuàng)意過程 → 創(chuàng)意作品 三階段系統(tǒng)評估創(chuàng)造力的多模態(tài)基準(zhǔn)同時構(gòu)建 CreMIT 教學(xué)式指令大模型數(shù)據(jù)集并訓(xùn)練出創(chuàng)造力專家模型 CreExpert在與 GPT-4V、Gemini 2.5 Vision 等模型的對比中取得 顯著領(lǐng)先 的人類一致性表現(xiàn)。 背景問題為什么“創(chuàng)造力”讓大模型束手無策當(dāng)前多模態(tài)大模型雖在感知與推理上突飛猛進(jìn)但在創(chuàng)造力理解上仍面臨三大難題1?? 創(chuàng)造力定義高度抽象缺乏通用評價語言傳統(tǒng)任務(wù)如分類、VQA、captioning 有明確答案而“創(chuàng)意是否好”這一判斷本質(zhì)上帶有主觀性、多維度性。2?? 現(xiàn)有基準(zhǔn)嚴(yán)重不足只能測“生成質(zhì)量”無法測“創(chuàng)造力”本身大多數(shù) benchmark 聚焦圖像理解、美學(xué)、風(fēng)格等缺乏對 創(chuàng)意構(gòu)思、創(chuàng)意過程 的系統(tǒng)刻畫。3?? MLLM 無法對“過程”給出評價只能對最終結(jié)果評分導(dǎo)致訓(xùn)練信號缺失但真實創(chuàng)造力往往體現(xiàn)在探索、發(fā)散、重構(gòu)、精煉等過程之中。結(jié)論機(jī)器必須像人一樣“看懂創(chuàng)意的邏輯鏈條”而不是只看最終圖片。CreBench 正是為解決這一空白而生。 方法簡介首次提出“創(chuàng)意三段論”評估體系 超大規(guī)模創(chuàng)造力指令數(shù)據(jù)1?? CreBench跨想法—過程—作品的三維度創(chuàng)造力評估框架論文首次將創(chuàng)造力拆解為 12 個細(xì)粒度指標(biāo)包括Creative Idea創(chuàng)意構(gòu)想Originality、AppropriatenessCreative Process創(chuàng)意過程Immersion、Divergence、Structuring、Evaluation、ElaborationCreative Product創(chuàng)意作品Effectiveness、Aesthetic、Novelty、Manufacturability、System Complexity每一項都有嚴(yán)格的 5 分行為錨定評分標(biāo)準(zhǔn)rubric并由訓(xùn)練過 CATConsensual Assessment Technique 的專家人工標(biāo)注。這是首次將創(chuàng)造力評價從“只看作品”提升到“結(jié)構(gòu)化全過程”范式。2?? CreMIT2.2K 創(chuàng)意實例 79.2K 人類反饋 470 萬條多模態(tài)指令數(shù)據(jù)CreMIT 的構(gòu)建過程包含多任務(wù)、多模態(tài)采集創(chuàng)意文本、操作過程 logs、最終作品專家基于 12 指標(biāo)的批注利用 GPT-4o 將專家反饋擴(kuò)展為六類 QA 指令reason/why/how/MCQ/yes-no/what最終獲得 4.7M 高質(zhì)量指令樣本這是迄今規(guī)模最大、維度最豐富的 創(chuàng)造力訓(xùn)練數(shù)據(jù)集。3?? CreExpert基于 LLaVA-1.5 微調(diào)的創(chuàng)造力專家模型作者據(jù)此訓(xùn)練了 CreExpert保留基礎(chǔ) MLLM 的通用能力專門學(xué)習(xí)“人類創(chuàng)造力評價規(guī)則”在想法、過程、作品三個階段都可進(jìn)行結(jié)構(gòu)化評分CreExpert 完全開源包含 checkpoint、數(shù)據(jù)與評估框架。 實驗結(jié)果首次讓多模態(tài)模型在“創(chuàng)造力評價”上全面超越 GPT-4V整體表現(xiàn)CreExpert 在 12 個創(chuàng)造力指標(biāo)上全面領(lǐng)先論文 Table 2 顯示CreExpert 的人類一致性PCCCreative Idea84.14%Creative Process72.19%Creative Product40.18%Overall65.50%相比之下GPT-4V 的 Overall 為 29.27%差距超過 36% 絕對提升。 亮點總結(jié)亮點一模型第一次能“看懂創(chuàng)意過程”例如 Divergence發(fā)散性和 Immersion投入度維度CreExpert 比基線高 50% 區(qū)間。亮點二原創(chuàng)性判斷能力大幅提升四個任務(wù)中 Originality 提升均超過 55%最高達(dá) 69.79%。這說明模型不僅能識別“看起來新”還能根據(jù)專家規(guī)則理解“為什么新”。亮點三首次同時測評 Idea / Process / Product這是創(chuàng)造力研究的重要突破讓模型具備“像老師一樣點評創(chuàng)意作業(yè)”的能力。 項目主頁https://kaixuewen.github.io/Crebench 論文原文https://arxiv.org/abs/2511.13626? 一句話點評CreBench 將創(chuàng)造力從“不可量化”變成“可評估”讓 AI 第一次擁有理解人類創(chuàng)意與設(shè)計思維的能力這是繼視覺理解、推理之后MLLMs 邁向 高級人類認(rèn)知能力對齊Human Cognition Alignment 的關(guān)鍵一步。如何學(xué)習(xí)大模型 AI 由于新崗位的生產(chǎn)效率要優(yōu)于被取代崗位的生產(chǎn)效率所以實際上整個社會的生產(chǎn)效率是提升的。但是具體到個人只能說是“最先掌握AI的人將會比較晚掌握AI的人有競爭優(yōu)勢”。這句話放在計算機(jī)、互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的開局時期都是一樣的道理。我在一線互聯(lián)網(wǎng)企業(yè)工作十余年里指導(dǎo)過不少同行后輩。幫助很多人得到了學(xué)習(xí)和成長。我意識到有很多經(jīng)驗和知識值得分享給大家也可以通過我們的能力和經(jīng)驗解答大家在人工智能學(xué)習(xí)中的很多困惑所以在工作繁忙的情況下還是堅持各種整理和分享。但苦于知識傳播途徑有限很多互聯(lián)網(wǎng)行業(yè)朋友無法獲得正確的資料得到學(xué)習(xí)提升故此將并將重要的AI大模型資料包括AI大模型入門學(xué)習(xí)思維導(dǎo)圖、精品AI大模型學(xué)習(xí)書籍手冊、視頻教程、實戰(zhàn)學(xué)習(xí)等錄播視頻免費分享出來。第一階段10天初階應(yīng)用該階段讓大家對大模型 AI有一個最前沿的認(rèn)識對大模型 AI 的理解超過 95% 的人可以在相關(guān)討論時發(fā)表高級、不跟風(fēng)、又接地氣的見解別人只會和 AI 聊天而你能調(diào)教 AI并能用代碼將大模型和業(yè)務(wù)銜接。大模型 AI 能干什么大模型是怎樣獲得「智能」的用好 AI 的核心心法大模型應(yīng)用業(yè)務(wù)架構(gòu)大模型應(yīng)用技術(shù)架構(gòu)代碼示例向 GPT-3.5 灌入新知識提示工程的意義和核心思想Prompt 典型構(gòu)成指令調(diào)優(yōu)方法論思維鏈和思維樹Prompt 攻擊和防范…第二階段30天高階應(yīng)用該階段我們正式進(jìn)入大模型 AI 進(jìn)階實戰(zhàn)學(xué)習(xí)學(xué)會構(gòu)造私有知識庫擴(kuò)展 AI 的能力?？焖匍_發(fā)一個完整的基于 agent 對話機(jī)器人。掌握功能最強(qiáng)的大模型開發(fā)框架抓住最新的技術(shù)進(jìn)展適合 Python 和 JavaScript 程序員。為什么要做 RAG搭建一個簡單的 ChatPDF檢索的基礎(chǔ)概念什么是向量表示Embeddings向量數(shù)據(jù)庫與向量檢索基于向量檢索的 RAG搭建 RAG 系統(tǒng)的擴(kuò)展知識混合檢索與 RAG-Fusion 簡介向量模型本地部署…第三階段30天模型訓(xùn)練恭喜你如果學(xué)到這里你基本可以找到一份大模型 AI相關(guān)的工作自己也能訓(xùn)練 GPT 了通過微調(diào)訓(xùn)練自己的垂直大模型能獨立訓(xùn)練開源多模態(tài)大模型掌握更多技術(shù)方案。到此為止大概2個月的時間。你已經(jīng)成為了一名“AI小子”。那么你還想往下探索嗎為什么要做 RAG什么是模型什么是模型訓(xùn)練求解器 損失函數(shù)簡介小實驗2手寫一個簡單的神經(jīng)網(wǎng)絡(luò)并訓(xùn)練它什么是訓(xùn)練/預(yù)訓(xùn)練/微調(diào)/輕量化微調(diào)Transformer結(jié)構(gòu)簡介輕量化微調(diào)實驗數(shù)據(jù)集的構(gòu)建…第四階段20天商業(yè)閉環(huán)對全球大模型從性能、吞吐量、成本等方面有一定的認(rèn)知可以在云端和本地等多種環(huán)境下部署大模型找到適合自己的項目/創(chuàng)業(yè)方向做一名被 AI 武裝的產(chǎn)品經(jīng)理。硬件選型帶你了解全球大模型使用國產(chǎn)大模型服務(wù)搭建 OpenAI 代理熱身基于阿里云 PAI 部署 Stable Diffusion在本地計算機(jī)運行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何優(yōu)雅地在阿里云私有部署開源大模型部署一套開源 LLM 項目內(nèi)容安全互聯(lián)網(wǎng)信息服務(wù)算法備案…學(xué)習(xí)是一個過程只要學(xué)習(xí)就會有挑戰(zhàn)。天道酬勤你越努力就會成為越優(yōu)秀的自己。如果你能在15天內(nèi)完成所有的任務(wù)那你堪稱天才。然而如果你能完成 60-70% 的內(nèi)容你就已經(jīng)開始具備成為一名大模型 AI 的正確特征了。這份完整版的大模型 AI 學(xué)習(xí)資料已經(jīng)上傳CSDN朋友們?nèi)绻枰梢晕⑿艗呙柘路紺SDN官方認(rèn)證二維碼免費領(lǐng)取【保證100%免費】