随着淘宝内容化战略加速推进，2023年淘宝直播也发生了不少变化。
但是这种「慢地震」持续的时间会很长，最长可能长达几年时间。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。在视觉聊天方面，LLaVA的表现相对于GPT-4的评分达到了85%，在推理问答方面更是达到了92.53%的超过GPT-4的新SoTA。LLaVA在回答问题时，能够全面而有逻辑地生成回答，并且可以以JSON格式输出。
28. 使用Chat GPT 合规文档:通过输入相关法律法规来创建和更新合规和法律文档，节省时间并确保准确性。