GPT-OSS-120B ko Google Lens va OpenCV bilan ko'rishga o'rgatildi

Sun'iy intellekt va mashina o'rganish sohasida yangi yutuq: GPT-OSS-120B matnli modeli Google Lens va OpenCV yordamida tasvirlarni tanib olishga o'rgatildi. Bu yutuq lokal LLM (Large Language Model) lar uchun ko'rish qobiliyatini yaratishda muhim ahamiyatga ega.

Qanday ishlaydi?

Muallif MCP (Multi-Command Protocol) serverini yaratdi, u lokal LLM lar uchun Google search va ko'rish qobiliyatini ta'minlaydi. Google Lens va OpenCV yordamida, model tasvirlardagi ob'ektlarni topa oladi va ularni identifikatsiya qiladi.

GPT-OSS-120B modeli, aslida, matnli model bo'lib, ko'rish qobiliyatiga ega emas. Ammo, Google Lens va OpenCV yordamida, u tasvirlardagi ob'ektlarni tanib olishga o'rgatildi. Muallifning aytishicha, model NVIDIA DGX Spark va SanDisk USB drive ni deskdagi fotosuratdan to'g'ri identifikatsiya qila olgan.

Muhokamalar

Bu yutuq haqida internet foydalanuvchilarining fikrlari har xil. Ba'zilar bu yutuqni maqtashsa, boshqalar buni Google Lens va OpenCV ning API larini ishlatish deb hisoblashadi. Ba'zilar, shuningdek, lokal VLM (Vision Language Model) larni ishlatishni tavsiya qilishadi.

Muallifning aytishicha, bu yutuq lokal LLM lar uchun ko'rish qobiliyatini yaratishda muhim ahamiyatga ega. U, shuningdek, bu yutuqni GPT-OSS-120B-Vision va GPT-OSS-20B-Vision modellarini yaratishda ishlatishni rejalashtirmoqda.

Xulosa

GPT-OSS-120B modelini Google Lens va OpenCV bilan ko'rishga o'rgatish lokal LLM lar uchun ko'rish qobiliyatini yaratishda muhim ahamiyatga ega. Bu yutuq sun'iy intellekt va mashina o'rganish sohasida yangi imkoniyatlar yaratishda davom etmoqda.