InternVL3

Internvl3 adalah model bahasa multimodal besar canggih (MLLM) yang dikembangkan untuk unggul dalam tugas-tugas bahasa penglihatan, pemahaman konteks panjang, dan penalaran yang kompleks. Dirancang sebagai bagian dari seri internvl, ini mengintegrasikan pra-pelatihan multimoda asli untuk memproses gambar, video, dan teks dengan mulus, memungkinkan aplikasi di seluruh analisis dokumen, pemahaman dunia nyata, dan pemrosesan gambar industri. Model ini mendukung kemampuan multibahasa dan menunjukkan kinerja yang kuat dalam tugas yang membutuhkan penalaran spasial, interaksi agen GUI, dan landasan visual.

Fitur -fitur utama termasuk pengkodean posisi visual variabel (V2PE) untuk menangani konteks multimodal yang diperluas dan optimasi preferensi campuran (MPO) untuk output penalaran yang disempurnakan. Internvl3 mengungguli iterasi sebelumnya dalam tolok ukur penalaran multi-disiplin, mencapai hasil canggih seperti 72,2 poin pada tolok ukur MMMU. Arsitekturnya yang dapat diskalakan, mulai dari parameter 1B hingga 78B, memastikan kemampuan beradaptasi dengan beragam kasus penggunaan, termasuk penelitian akademik, pengambilan lintas-modal, dan analisis khusus domain. Model open-source dan sumber daya pelatihan memfasilitasi penyesuaian untuk aplikasi khusus sambil mempertahankan penyelarasan kompetitif dengan sistem sumber tertutup terkemuka dalam akurasi dan keserbagunaan.

Deskripsi ini dibuat oleh AI (kecerdasan buatan). AI bisa membuat kesalahan. Periksa informasi penting.

Situs web: internvl.opengvlab.com

Penafian: WebCatalog tidak berafiliasi, berasosiasi, diotorisasi, didukung oleh atau dengan cara apa pun secara resmi berhubungan dengan InternVL3. Semua produk, logo, dan merek adalah hak kekayaan masing-masing pemiliknya.