开创性多模态AI模型Emu3，通过预测下一个词元统一生成！

智源开发的新型多模态模型Emu3，通过仅使用此前专属于大语言模型（LLM）的下一个词元预测方法，统一了大规模文本、图像和视频学习，取得了显著成就。 这种创新方法实现了与专业方法相媲美的性能，展示了创建可扩展且统一的多模态智能系统的潜力。

• •Emu3使用单个Transformer架构和下一个词元预测来生成和理解多种模态。
• •它在图像生成和视觉语言理解方面实现了与专业模型相当的性能。
• •该模型展示了未来扩展到机器人和多模态交互的潜力。