北京交通大学等机构推出多模态大模型 MMICL，支持文本图像视频输入

发表评论
11 views

A+

据站长之家 9 月 19 日报道，北京交通大学等机构近日联合推出了新多模态大模型 MMICL。它支持文本、图像、视频三种模态的混合输入。

据悉，MMICL 在 MMBench 和 MME 两项多模态测评中均获得不俗的成绩，它采用 Flan-T5 XXL 作为基础模型，通过两阶段训练完成。第一阶段是预训练，使用大规模数据集；第二阶段是多模态上下文微调，使用自建包含丰富多模态样本的 MIC 数据集。这种训练方式让 MMICL 既具备强大的语义理解能力，又特别适合处理复杂的多模态输入。目前，MMICL 已开源两个版本，分别基于 FlanT5XL 和 Vicuna 模型，可满足商用和科研需求。

免责声明

发文时比特币价格：$31249

当前比特币价格：[crypto coins=”BTC” type=”text” show=”price”]

当前比特币涨幅：[crypto coins=”BTC” type=”text” show=”percent”]

免责声明：

本文不代表路远网立场，且不构成投资建议，请谨慎对待。用户由此造成的损失由用户自行承担，与路远网没有任何关系；

路远网不对网站所发布内容的准确性，真实性等任何方面做任何形式的承诺和保障；

网站内所有涉及到的区块链（衍生）项目，路远网对项目的真实性，准确性等任何方面均不做任何形式的承诺和保障；

网站内所有涉及到的区块链（衍生）项目，路远网不对其构成任何投资建议，用户由此造成的损失由用户自行承担，与路远网没有任何关系；

路远区块链研究院声明：路远区块链研究院内容由路远网发布，部分来源于互联网和行业分析师投稿收录，内容为路远区块链研究院加盟专职分析师独立观点，不代表路远网立场。