AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：多模態(tài)LLM多到看不過來？先看這26個(gè)SOTA模型吧
關(guān)鍵字：報(bào)告,模型,騰訊,指令,任務(wù)
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：11466字

內(nèi)容摘要：

機(jī)器之心報(bào)道
機(jī)器之心編輯部多模態(tài)大型語言模型進(jìn)展如何？盤點(diǎn) 26 個(gè)當(dāng)前最佳多模態(tài)大型語言模型。當(dāng)前 AI 領(lǐng)域的關(guān)注重心正從大型語言模型（LLM）向多模態(tài)轉(zhuǎn)移，于是乎，讓 LLM 具備多模態(tài)能力的多模態(tài)大型語言模型（MM-LLM）就成了一個(gè)備受關(guān)注的研究主題。
近日，騰訊 AI Lab、京都大學(xué)和穆罕默德?本?扎耶德人工智能大學(xué)的一個(gè)研究團(tuán)隊(duì)發(fā)布了一份綜述報(bào)告，全面梳理了 MM-LLM 的近期進(jìn)展。文中不僅總結(jié)了 MM-LLM 的模型架構(gòu)和訓(xùn)練流程，而且還梳理了 26 個(gè)當(dāng)前最佳的 MM-LLM。如果你正考慮研究或使用 MM-LLM，不妨考慮從這份報(bào)告開始研究，找到最符合你需求的模型。論文標(biāo)題：MM-LLMs: Recent Advances in MultiModal Large Language Models
論文地址：https://arxiv.org/abs/2401.13601
報(bào)告概覽
近些年來，多模態(tài)（MM）預(yù)訓(xùn)練研究進(jìn)展迅速，讓許多下游任務(wù)的性能不斷突破到新的邊界。但是，隨著模型和數(shù)據(jù)集規(guī)模不斷擴(kuò)大，傳統(tǒng)多模態(tài)模型也遭遇了計(jì)算成本過高的問題，尤其是當(dāng)從頭開始訓(xùn)練時(shí)。

原文鏈接：多模態(tài)LLM多到看不過來？先看這26個(gè)SOTA模型吧

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺