Les dernières recherches d'Apple montrent que les performances d'un modèle visuel sont positivement corrélées à la quantité de ses paramètres et à la quantité de données de pré-entraînement. Cette étude a vérifié la règle selon laquelle « plus il y a de paramètres, plus les performances sont fortes » grâce au modèle d'image autorégressif et a réussi à étendre la capacité du modèle à des milliards de paramètres tout en maintenant ses bonnes performances dans les tâches en aval. Cette avancée fournit une base théorique importante et une nouvelle direction de recherche pour l’amélioration des performances et l’optimisation des futurs modèles d’images, et constitue également une base solide pour un développement ultérieur dans le domaine de l’intelligence artificielle.
Des chercheurs d'Apple ont vérifié la règle selon laquelle "plus il y a de paramètres, plus les performances sont fortes" du modèle visuel grâce au modèle d'image autorégressif, prouvant en outre qu'à mesure que la capacité ou la quantité de données de pré-entraînement augmente, le modèle peut continuer à améliorer les performances. . Les chercheurs ont vérifié que la capacité du modèle peut être facilement étendue à des milliards de paramètres, tout en offrant de bonnes performances sur les tâches en aval, fournissant ainsi de nouvelles orientations de recherche et de nouvelles idées pour l'amélioration et l'optimisation futures des performances du modèle d'image.Ce résultat de recherche est d’une grande importance, car il indique l’orientation du développement et de l’application des futurs modèles d’image et annonce l’avènement imminent de modèles d’image plus performants et plus puissants. Je pense que dans un avenir proche, nous verrons davantage d’applications innovantes basées sur les résultats de cette recherche.