Des recherches menées par l'Université d'Auburn et l'Université de l'Alberta révèlent la faiblesse des derniers modèles d'IA multimodaux tels que GPT-4o et Gemini 1.5 Pro, qui prétendent être capables de comprendre les images et le son, mais ont toujours des difficultés avec les tâches visuelles de base.
"Ces modèles d'IA...
[Courte citation de 8% de l'article original]