出品｜三言Pro 作家｜DorAemon
当天，2024百度寰球大会在上海举办，百度创举东谈主李彦宏在会上发表了题为《行使来了》的演讲。
在会上，李彦宏谈到已往24个月关于大模子行业而言，最大的变化是“大模子基本上排斥了幻觉”，回话问题的准确性大大的栽种了。 “让AI从一册老成的瞎掰八谈变得可用，可被相信。”
李彦宏在会上先容了百度最新的iRAG时刻，依托该时刻，可以让AI大模子文生图功能准确性大增，不再有“幻觉”，也即是说，AI制作的图片也曾不再有“AI味儿”了。
其实李彦宏对AI大模子的评价瑕瑜常到位的，AI文生图的“AI味儿重”也曾闹出不稀有笑，到当今也曾进化到解脱“AI味儿”了。
也曾“图差别题”
如今用iRAG排斥模子幻觉
紧记旧年国内大模子发布之后，文生图功能连忙诱骗了一批用户，然则也很快成为网友辱弄对象。
群众为什么辱弄呢，因为其时期大模子对用户“文生图”的舛误词意会是真从“字面真义真义”上默契的。
若是不说上头这五张图的正确谜底，就怕群众很难猜得出这些图到底抒发的是什么真义。而一朝知谈了“谜底”，会坐窝“笑喷”。
上头这五张图是彼时大模子画的锤子手机、皋比鸡蛋、偶而应变、鱼香肉丝和驴肉火烧。
除了上述这类比拟“逗乐”的问题外，AI文生图居品也平庸会犯一些知识性颠倒。比如条目大模子生成一张天坛图片，但大模子给出的截至是一座四层形似天坛的图片，而天坛试验上只须三层。
这即是AI文生图的“AI味儿”。
但在笔者看来，最运行大模子文生图出现这么令东谈主啼笑皆非的截至，起原评释其是真“我方意会、我方生成”，而非简单好坏的复制收集内容；其次，这些问题跟着居品进化也得回诞生，以文心大模子为代表的国产大模子正在抑制进化。
百度寰球2024上，百度流露发布iRAG时刻，即image based RAG检索增强文生图时刻。招揽该时刻的文生图才略不仅不再犯上头这种“搞笑颠倒”，更是在生成特定物品、生成特定东谈主物与自便布景连合的图片，比如“某东谈主物在某地点作念某事”。iRAG所生成的图片是真实、无模子幻觉的，准确性高，莫得“AI味儿”。
那么，领有更强文生图才略的文小言，试验后果奈何呢？笔者决定切身测试，况兼也尝试了其他两种不同大模子居品进行简单对比。
测试经过中，包括文心一言在内的三个大模子使用的舛误词均一致，只对比不同大模子文生图截至区别。
iRAG时刻试验测试：准确率相当高
为了约略得回愈加真实的测试截至，笔者决定让不同大模子生成十张图，然后对比截至各异。
1. 让大模子生成一张马斯克在吃蛋糕的图片。
先来看文心一言的截至，文心一言提供了两张图片，起原这两张图片中东谈主物为马斯克的特征相当多，可以说一眼就能看出是马斯克；一张中马斯克身穿西服，手里拿着蛋糕；另一张中则是马斯克身着T恤，双手端着盛有蛋糕的盘子。岂论哪张，都准确无误。
另一款大模子居品，这里叫“大模子A”吧，一次给出了三张“马斯克吃蛋糕的图片”。可以看出，大模子A在特定东谈主物描写上，固然也约略看出是马斯克，但并莫得那么轮廓；此外，还存在一些颠倒，有一张图片中，“马斯克”手握蛋糕的姿势很“诡异”，而且指头长度昭着差别。
再看今天测试的第三个大模子的截至，这里称之为“大模子B”吧。大模子B画的马斯克与马斯克真东谈主收支甚远，更别提其手握蛋糕的手指画错。
2. 生成一张安妮海瑟薇吃炸酱面的图
文心一言生成了两张安妮海瑟薇吃炸酱面的图片，相同，两张图中海瑟薇的细节特征拉满，炸酱面、东谈主物手部等也都准确；
大模子A则赓续生成四张图片，其中，有一张面部不很像海瑟薇本东谈主；其余三张固然也能准确画出海瑟薇，但在东谈主物手部细节、餐具细节上仍有颠倒。
大模子B如故悉数无法准确画出海瑟薇形象，而且面碗看上去也过于弘大。
3. 生成一张霍金在篮球场打麻将的图片
这个题目笔者以为是比拟“刁顽”的，因为“元素过多”。先来看文心一言生成的两张图中，可以说正确率在90%，惟一颠倒则是霍金“莫得轮椅”，除此除外，东谈主物形象、篮球场、打麻将这些细节都得回体现。
而大模子A此次属于“透顶翻车”，不仅莫得准确生成霍金的外貌，在处置麻将桌上颠倒百出。
大模子C的截至只可说“轮椅”是正确的，东谈主物形象和麻将牌摆放神色都不准确。
4. 生成一张苹果CEO库克在天坛骑车的图片
文心一言生成的两张图中，可以昭着看出东谈主物具有库克特征，同期布景也有天坛以及天坛式建筑。但库克的面部细节还欠点真义；
而大模子A生成的四张图中，具有昭着库克特征的只须一张，其余三张东谈主物形象偏差较大；而且骑自行车腿部细节有问题。
大模子C则再次无法生成指定东谈主物，且骑自行车的腿部细节颠倒。
5. 生成一张乔布斯在责任的图片。
文心一言生成的两张乔布斯责任图基本上莫得逻辑颠倒，东谈主物形象也比拟准确，惟一问题可能是画中电脑屏幕败露的系统“并非Mac OS”。
而大模子A给出的四张图中，要么东谈主物形象欠点真义，要么则是对电脑处置存在昭着颠倒；
大模子B的“乔布斯”悉数仅仅个生疏白东谈主老东谈主。
6. 生成一张东方明珠在深山里的图
文心一言对文生图条目比拟严谨，不仅体现出东方明珠电视塔在深山的意见，同期也比拟相宜逻辑地姿色出电视塔的地基等信息。
而大模子A给出的四张图中，则嗅觉比拟“生硬”，有点强行将电视塔PS到山林里的嗅觉，同期部分图中东方明珠电视塔还存在细节颠倒。
而大模子B固然体现了深山元素，然则却悉数将东方明珠电视塔姿色颠倒。
7. 生成一张鱼尾狮在沙漠里的图
嗅觉这个条目对文心一言来说“举手之劳”，不仅体现了沙漠元素，而且对鱼尾狮这尊雕镂也姿色正确；
这里把大模子A、B放一皆说，因为这两个大模子均体现了沙漠，然则却都把鱼尾狮画错了。
8. 生成一张天坛在海边的图。
文心一言姿色的天坛在海边图片中，细节如故很可以的，尤其是处置建筑与水叮嘱方位。
而大模子A生成的四张图中，固然也约略比拟准确姿色出天坛和海的元素，然则也存在把天坛三层建筑画成两层情况。
大模子B干脆把天坛“压扁”……
9.生成一张福建土楼出当今当代都市里的图
文心一言对福建土楼以及当代都市的意会准确率都很高，细节部分也都可以；
大模子A生成的四张图中，也基本准确的完成笔者条目，只须一张近景建筑嗅觉“奇怪”。
而大模子B的图片则悉数把土楼画成雷同“天坛”了。
10. 生成一张甄嬛玩手机的图
这个题目其实挺专诚想，“甄嬛”历史上并不存在，然则有其原型东谈主物，即清朝孝圣宪皇后；是以“甄嬛”的形象关于众人来说其实来自电视剧《甄嬛传》，那即是演员孙俪的形象；此外，《甄嬛传》还有原著演义，从演义角度来说，每个东谈主心中的“甄嬛”都不一样。
可以看出，文心一言的“甄嬛”是按照孙俪饰演的形象为基础，敬佩亦然许多看过电视剧《甄嬛传》网友的“第一选拔”；同期，文心一言的图片在细节处置准确率相当高。
大模子A则悉数提供了不同的甄嬛形象，并莫得参考孙俪，不外，大模子A的图片中，存在许多手指颠倒；
大模子B的甄嬛也相同存在手指细节颠倒，同期手机也有些“一眼假”。
百度要作念数百万“超等有效”的行使
悉数这个词测试体验下来，说真话，笔者确实被iRAG惊艳到。几个大模子文生图功能对比，文心一言对用户的领导意会才略最佳，出图正确率亦然最高的。
而文心一言约略最初，天然是基于百度坚决的AI才略，而且以搜索起家的百度在这方面更是有后天不良的上风。
百度的iRAG时刻约略将百度搜索的亿级图片资源和坚决的基础模子才略承接合，就可以生成各式超真实的图片，全体后果远远逾越文生图原生系统，去掉了AI味儿，而且资本很低。iRAG具备无幻觉、超真实、没资本、立等可取等特色。
在今天的测试中，文心一言对特定物品、特定东谈主物默契才略高，同期得出的截至也莫得“变形的手指”、“诡异的物品”这种充满“AI味儿”的情况。
再回到本文发轫提到的五张旧年“闹见笑”的AI成图，若是让当今的文心一言再行生成一次，截至会是什么呢？
锤子手机不再是“真锤子”、皋比鸡蛋不再是“老虎神色的蛋”、偶而应变不再是字面真义真义上的“东谈主和竹子”，鱼香肉丝和驴肉火烧也都是好意思食形象……今天的大模子悉数不会再犯也曾的“搞笑颠倒”，不仅约略准确意会用户输入词语，而且生成的图片若是不看水印悉数认不出是AI作念的。
笔者顺手用大模子A试了一下让AI生成“偶而应变”图片，截至这个模子其实如故从字面真义真义上意会，给出的是东谈主物和竹子两个元素，并不像文心一言一样约略意会谚语本意。
大模子的文生图才略是AI行使的很小一个缩影，但同期这个功能约略带来的坐褥力栽种是弘大的。小到泛泛自媒体责任者的图文剪辑，大到上市公司宣传海报制作，大模子约略显耀镌汰责任资本。而这一切都要树立在AI文生图行使“好用、能用”的基础上。
从文生图行使拓展来看，越来越多的AI行使落地才能信得过真义真义让“AI期间”惠及到悉数东谈主。是以，发展AI行使其实比“卷大模子”更要紧。
李彦宏对大模子的不雅点亦然一以贯之的，他也曾不啻一次指出，“卷行使”才是大模子发展的主见。其实李彦宏的不雅点相当正确，行使越多才能使得大模子愈加普惠化，不然仅仅无根之木，难以恒久发展。
在今天的百度寰球大会上，李彦宏称“咱们行将迎来AI行使的群星能干时刻”，他还再次强调“超等颖异”的行使比只看DAU的“超等行使”更要紧，只须对产业、对行使场景约略产生大的增益，全体价值就比迁徙互联网要大多了。
刻下，文心智能体平台也曾诱骗15万家企业和80万名设备者参与，诡秘行使场景丰富，涵盖制造、动力、交通、政务、金融、汽车、磨真金不怕火、互联网等广阔行业。李彦宏称，“百度不是要推出一个‘超等行使’，而是要抑制地匡助更多东谈主、更多企业打造出数百万‘超等有效’的行使。”