世界頂尖多模態大模型開源！又是零一萬物，又是李開復

AIGC動態歡迎閱讀

原標題：世界頂尖多模態大模型開源！又是零一萬物，又是李開復
關鍵字：模型,圖像,語言,文本,能力
文章來源：量子位
內容字數：3990字

內容摘要：

允中 發自 凹非寺量子位 | 公眾號 QbitAI領跑中英文兩大權威榜單，李開復零一萬物交出多模態大模型答卷！
距離其首款開源大模型Yi-34B和Yi-6B的發布，僅間隔不到三個月的時間。
模型名為Yi Vision Language（Yi-VL），現已正式面向全球開源。
同屬Yi系列，同樣具有兩個版本：
Yi-VL-34B和Yi-VL-6B。
先來看兩個例子，感受一波Yi-VL在圖文對話等多元場景中的表現：
Yi-VL對整幅圖做了詳細分析，不僅說明了指示牌上的內容，甚至連“天花板”都有照顧到。
中文方面，Yi-VL也能清晰有條理地準確表達：
此外，官方也給出了測試結果。
Yi-VL-34B在英文數據集MMMU上準確率41.6%，僅次于準確率55.7%的GPT-4V，超越一系列多模態大模型。
而在中文數據集CMMMU上，Yi-VL-34B準確率36.5%，領先于當前最前沿的開源多模態模型。
Yi-VL長啥樣？Yi-VL基于Yi語言模型研發，可以看到基于Yi語言模型的強大文本理解能力，只需對圖片進行對齊，就可以得到不錯的多模態視覺語言模型——這也是Yi-VL模型的核心亮點之一。
在架構設

原文鏈接：世界頂尖多模態大模型開源！又是零一萬物，又是李開復

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破