InternVL3

Internvl3-це вдосконалена мультимодальна велика мовна модель (MLLM), розроблена для успіху в завдань на мові зору, розуміння довгого контексту та складних міркувань. Розроблений як частина серії Internvl, він інтегрує рідне мультимодальне попереднє тренування для обробки зображень, відео та тексту безперешкодно, що дозволяє додатків для аналізу документів, розуміння реального світу та обробки промислових зображень. Модель підтримує багатомовні можливості та демонструє сильну продуктивність завдань, що потребують просторового міркування, взаємодії з графічним агентом та візуального заземлення.

Основні особливості включають змінну кодування візуального положення (V2PE) для обробки розширених мультимодальних контекстів та змішаної оптимізації переваг (MPO) для вишуканих результатів міркувань. Internvl3 перевищує попередні ітерації в багатодисциплінарних міркувальних орієнтирах, досягаючи сучасних результатів, таких як 72,2 бала на орієнтирі MMMU. Його масштабована архітектура, починаючи від параметрів 1b до 78b, забезпечує пристосованість до різноманітних випадків використання, включаючи академічні дослідження, перехресне пошук та аналіз домену. Модель з відкритим кодом та навчальні ресурси сприяють налаштуванню спеціалізованих додатків, зберігаючи конкурентоспроможне узгодження з провідними системами із закритим кодом у точності та універсальності.

Цей опис був створений штучним інтелектом (ШІ). ШІ може помилятися. Перевірте важливу інформацію.

Вебсайт: internvl.opengvlab.com

Відмова від відповідальності: платформа WebCatalog не є афілійованою, асоційованою, уповноваженою, визнаною або будь-яким іншим чином офіційно пов'язаною з «InternVL3». Усі назви продуктів, логотипи та бренди є власністю відповідних правовласників.