MLNLP社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。
社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。转载自 | 量子位作者 | 允中

全球首个超小型多模态AI Agent模型Octopus V3，来自斯坦福大学的NEXA AI团队，让Agent更加智能、快速、能耗及成本降低。

今年四月份初，NEXA AI推出了备受瞩目的Octopus V2，该模型在函数调用性能上超越了GPT-4，减少了95%的推理时所需的文本量，为端侧AI应用带来了新的可能性。其专利性核心技术“functional token”通过创新的函数调用方式显著减少推理时所需的文本长度。

这种方法使得模型能够在只有20亿参数的情况下实现高效训练，并在精度和延迟方面超越了GPT-4，适应了各种端设备的部署需求。

发布以来，Octopus V2在LLM社区获得了广泛关注，受到了AI领域大量前沿技术专家及研究者的赞赏，如Hugging Face的CTO Julien Chaumond、知名AI Newsletter Rundown AI的创始人 Rowan Cheung以及Figure AI的创始人Brett Adcock、OPPO边缘人工智能团队负责人Manoj Kumar，称其“开创了端侧AI技术新纪元”。

在知名开源AI平台Hugging Face上，Octopus V2下载量已经超过12000次。

在不到一个月的时间里，NEXA AI团队发布下一代多模态AI Agent模型Octopus V3，展现进一步突破：具有图像处理和多语言文本处理能力，为智能手机等端侧设备真正走向AI时代铺平了道路。

首个参数量小于10亿的多模态AI Agent模型

Octopus V3不仅拥有多模态能力，在函数调用性能上远超同类模型，可媲美GPT-4V+GPT4；而且模型参数量不到10亿，具有多语言能力。

也就是说，相比传统的大型语言模型，它体积更小，能耗更低，能够更加轻松地在各种小型端设备上运行，比如树莓派，并做到高速且准确的函数调用。

这意味着，未来AI Agent能够广泛应用于智能手机、AR/VR、机器人、智能汽车等端侧设备，为用户交互体验更加流畅、智能。

另一方面，由于V3具有多模态处理能力，可同时处理文本和图像输入，再加上多语言能力，也将让用户体验更加丰富。

例如，在Instacart购物应用中，用户可以通过一张菠萝的图片及简单的对话指令，让AI Agent自动为他们搜索商品，提高了效率和用户的体验。

再比如，在发送邮件等场景中，Octopus V3可以根据一张具有文字的图像，自动提取信息并填写邮件内容，为用户提供更加智能、便捷的服务。

从软件交互到智能汽车，端侧AI潜力巨大

基于这些特性，Octopus V2及V3的应用场景丰富多样，具有广泛的应用前景。

除上文提到的手机场景，当Octopus V2应用在智能汽车上时，也能带来新的交互体验。目前的语音助手往往难以帮助车主完成较为复杂的任务，如在驾驶途中临时改变目的地、加入额外停靠点等。应用Octopus V3后，AI助手能够基于较为模糊简单的指令快速、精准地完成相应任务。

结合V2、V3的能力，从信息检索、到基于指令完成设计，用户可以在虚拟场景下获得流畅的AI体验：在一个社区用户的VR场景demo中，输入简单的语音指令后，AI Agent能够帮助用户快速完成一个客厅设计，在弹指间替换沙发、改变颜色灯光等。在用户输入旅行指令后，用户快速来到了日本，而AI Agent同样可以在简单的对话式交流中帮助用户搜索相应景点，提供丰富的信息。

数据显示，全球大型语言模型市场规模正在快速增长。Granview Research报告显示，全球大型语言模型市场规模估计为43.5亿美元，并预计从2024年到2030年的复合年增长率为35.9%。同样，边缘人工智能市场也呈现出蓬勃发展的势头——预计从2023年到2030年，全球边缘人工智能市场的复合年增长率为21.0%，到2030年将达到664.78亿美元。

NEXA AI团队由斯坦福大学的杰出研究人员创立。

创始人兼首席科学家Alex Chen（陈伟）正在攻读斯坦福大学的博士学位，拥有丰富的人工智能研究经验，并且曾担任斯坦福华人创业协会（Stanford Chinese Entrepreneurs Organization）的主席。

联合创始人兼首席技术官Zack Li（李志远）也是斯坦福大学的毕业生，并在Google和Amazon Lab126实验室拥有4年端侧AI的一线研发经验，同样曾经担任斯坦福华人创业协会的主席。

斯坦福大学副教授、斯坦福技术创业项目副主任Charles (Chuck) Eesley担任顾问，为团队提供指导和支持。

△左：李志远；右：陈伟

目前，NEXA AI的独创性技术已申请专利保护。

NEXA AI的创始团队表示，他们将继续致力于推动端侧AI技术的发展，通过开源模型提升其创新技术的影响力，为用户创造更智能、高效的未来生活。

论文地址：
https://arxiv.org/abs/2404.11459

技术交流群邀请函

△长按添加小助手

扫描二维码添加小助手微信

请备注：姓名-学校/公司-研究方向（如：小张-哈工大-对话系统）即可申请加入自然语言处理/Pytorch等技术交流群

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区，目前已经发展为国内外知名的机器学习与自然语言处理社区，旨在促进机器学习，自然语言处理学术界、产业界和广大爱好者之间的进步。社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。