加利福尼亚大学洛杉矶分校和Snap Inc.的研究团队开发了一种名为“Dual-Pivot Tuning”的个性化图像恢复方法。双轴调整是一种用于在盲目图像恢复背景下定制文本到图像的先验的方法。该过程涉及使用个体的一组有限数量的高质量图像来增强其其他降质图像的恢复。其主要目标是确保恢复的图像对个体的身份和降质输入图像具有高保真度，同时保持自然外观。
为了解决幻觉问题，研究人员采用了检索增强生成（RAG）的方法，并添加了几个重要步骤来进一步减轻幻觉，并改进对话性指标。通过这些优化，WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外，研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型，这个模型在事实准确性方面能达到91.1%的高分，并且运行速度提高了6.5倍，能效更好，可以本地部署。
它不仅可以从图片中提取信息并回答问题，还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等，展现出了强大的多模态能力。在性能上接近GPT-4的情况下，LLaVA具有更高的成本效益，训练只需要8个A100即可在1天内完成。
在日常治理的过程中，我们发现仍有个别自媒体”账号通过混淆名称、虚构信息等形式，假冒仿冒官方机构、新闻媒体及特定专业人员，发布内容误导公众。
他表示，2023年是FF发展史上的里程碑，公司已形成经营闭环并正式进入交付营收阶段。在完成SOP（小批量生产）后，首辆FF912.0已经下线，并完成了终极发布、共创交付等重要步骤。他还透露，包括Chris Brown在内的美国塔尖行业领袖已经成为FF912.0的用户，并加入共创官大家庭。