AIGC动态欢迎阅读
原标题：Ilya预言成真，下一个token预测直达AGI！智源首发原生多模态世界模型
Emu3，不用扩散
关键字：模型,数据,视觉,图像,视频文章来源：新智元
内容字数：0字内容摘要：
新智元报道编辑：编辑部 HYZ
【新智元导读】最近，Ilya向黄仁勋描述「只要能预测下一个token，就能达到AGI」的视频再次爆火全网，他的预言刚刚竟被证实？智源研究院基于下一个token预测，发布了原生多模态世界模型Emu3，无需扩散即可理解生成三种模态数据！虽然，下一token预测已在大语言模型领域实现了ChatGPT等突破，但是在多模态模型中的适用性仍不明确，多模态任务仍然由扩散模型（如Stable Diffusion）和组合方法（如结合CLIP视觉编码器和LLM）所主导。
2024年10月21日，智源研究院正式发布原生多模态世界模型Emu3。该模型只基于下一个token预测，无需扩散模型或组合方法，即可完成文本、图像、视频三种模态数据的理解和生成。Emu3在图像生成、视频生成、视觉语言理解等任务中超过了SDXL、LLaVA、OpenSora等知名开源模型，但是无需扩散模型、CLIP视觉编码器、预训练的LLM等技术，只需要预测下一个token。
在图像生成任务中，基于人类偏好评测，Emu3优于SD-1.5与SDXL模型。在视觉语言理解任务中，对于12项基准测试的平均得分，Em原文链接：Ilya预言成真，下一个token预测直达AGI！智源首发原生多模态世界模型Emu3，不用扩散
联系作者
文章来源：新智元
作者微信：
作者简介：
