文檔字越多，模型越興奮！KOSMOS-2.5：閱讀「文本密集圖像」的多模態(tài)大語言模型

AIGC動態(tài)歡迎閱讀

原標(biāo)題：文檔字越多，模型越興奮！KOSMOS-2.5：閱讀「文本密集圖像」的多模態(tài)大語言模型

關(guān)鍵字：文本,模型,圖像,任務(wù),視覺

文章來源：新智元

內(nèi)容字?jǐn)?shù)：6086字

內(nèi)容摘要：新智元報道編輯：LRS 好困【新智元導(dǎo)讀】文字也是一種視覺信息，多模態(tài)大語言模型KOSMOS-2.5不光能讀懂論文，還能輸出markdown格式！當(dāng)前一個顯著的趨勢是致力于構(gòu)建更大更復(fù)雜的模型，它們擁有數(shù)百/數(shù)千億個參數(shù)，能夠生成令人印象深刻的語言輸出。然而，現(xiàn)有的大型語言模型主要集中在文本信息上，無法理解視覺信息。因此多模態(tài)大型語言模型（MLLMs）領(lǐng)域的進(jìn)展旨在解決這一限制，MLLMs將視覺和…

原文鏈接：點此閱讀原文：文檔字越多，模型越興奮！KOSMOS-2.5：閱讀「文本密集圖像」的多模態(tài)大語言模型

聯(lián)系作者

文章來源：新智元

作者微信：AI_era

作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點關(guān)注人工智能、機(jī)器人等前沿領(lǐng)域發(fā)展，關(guān)注人機(jī)融合、人工智能和機(jī)器人對人類社會與文明進(jìn)化的影響，領(lǐng)航中國新智能時代。