论文地址:https://arxiv.org/pdf/2401.00908.pdf
到2024年，我们将看到更多实时图像、音频和视频生成传播应用。
2️⃣ GPT-engineer 🧪
就目前而言，React Agent生成的代码还不够生产就绪，需要在合并到现有代码库之前进行大量调整。但总的来说，它提高了我的生产力。
在实验中，VCoder与开源的多模态LLMs（如MiniGPT-4、InstructBLIP、LLaVA-1.5和CogVLM）进行了比较，并在COST验证集上进行了测试。实验结果表明，VCoder在对象识别任务中表现最佳，特别是在对象计数和识别方面优于基线模型。在处理复杂场景中的对象计数和识别任务时，VCoder展现出更高的准确性，尤其是在场景中有许多实体时。