阿里云今日推出了大規(guī)模視覺(jué)語(yǔ)言模型Qwen-VL，目前已經(jīng)在ModeScope開(kāi)源，IT之家早前曾報(bào)道，阿里云此前已經(jīng)開(kāi)源通義千問(wèn)70 億參數(shù)通用模型Qwen-7B和對(duì)話模型Qwen-7B-Chat。dhN28資訊網(wǎng)——每日最新資訊28at.com

據(jù)悉，Qwen-VL是一款支持中英文等多種語(yǔ)言的視覺(jué)語(yǔ)言（Vision Language，VL）模型，相較于此前的VL模型，其除了具備基本的圖文識(shí)別、描述、問(wèn)答及對(duì)話能力之外，還新增了視覺(jué)定位、圖像中文字理解等能力。dhN28資訊網(wǎng)——每日最新資訊28at.com

Qwen-VL以Qwen-7B為基座語(yǔ)言模型，在模型架構(gòu)上引入視覺(jué)編碼器，使得模型支持視覺(jué)信號(hào)輸入，該模型支持的圖像輸入分辨率為 448，此前開(kāi)源的LVLM模型通常僅支持224分辨率。dhN28資訊網(wǎng)——每日最新資訊28at.com

官方表示，該模型可用于知識(shí)問(wèn)答、圖像標(biāo)題生成、圖像問(wèn)答、文檔問(wèn)答、細(xì)粒度視覺(jué)定位等場(chǎng)景，在主流的多模態(tài)任務(wù)評(píng)測(cè)和多模態(tài)聊天能力評(píng)測(cè)中，取得了遠(yuǎn)超同等規(guī)模通用模型的表現(xiàn)。dhN28資訊網(wǎng)——每日最新資訊28at.com

此外，在Qwen-VL的基礎(chǔ)上，通義千問(wèn)團(tuán)隊(duì)使用對(duì)齊機(jī)制，打造了基于LLM的視覺(jué)AI助手Qwen-VL-Chat，可讓開(kāi)發(fā)者快速搭建具備多模態(tài)能力的對(duì)話應(yīng)用。dhN28資訊網(wǎng)——每日最新資訊28at.com

通義千問(wèn)團(tuán)隊(duì)同時(shí)表示，為了測(cè)試模型的多模態(tài)對(duì)話能力，他們構(gòu)建了一套基于GPT-4打分機(jī)制的測(cè)試集 “試金石”，對(duì)Qwen-VL-Chat及其他模型進(jìn)行對(duì)比測(cè)試，Qwen-VL-Chat在中英文的對(duì)齊評(píng)測(cè)中均取得了開(kāi)源LVLM最好結(jié)果。dhN28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://m.www897cc.com/showinfo-26-6759-0.html阿里云推出大規(guī)模視覺(jué)語(yǔ)言模型Qwen-VL 已在ModeScope開(kāi)源

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： 資損防控技術(shù)體系簡(jiǎn)介及實(shí)踐

下一篇： TikTok已開(kāi)始將歐洲用戶數(shù)據(jù)轉(zhuǎn)移到愛(ài)爾蘭一個(gè)新建數(shù)據(jù)中心