InternVL3

InternVL3是一种高级多模式大型语言模型（MLLM），可在视觉任务，长篇小说理解和复杂的推理中脱颖而出。它是作为Intervl系列的一部分而设计的，将本机多模式预训练集成到处理图像，视频和文本无缝的过程中，从而在文档分析，现实世界中的理解和工业图像处理中启用应用程序。该模型支持多语言功能，并在需要空间推理，GUI代理相互作用和视觉接地的任务中表现出强大的性能。

关键功能包括用于处理扩展多模式上下文的可变视觉位置编码（V2PE），以及用于精制推理输出的混合偏好优化（MPO）。 Intervl3在多学科推理基准中优于以前的迭代，获得了最先进的结果，例如MMMU基准上的72.2分。它的可扩展体系结构从1B到78B参数不等，可确保对各种用例的适应性，包括学术研究，跨模式检索和特定领域的分析。开源模型和培训资源促进了针对专业应用程序的定制，同时保持了与领先的封闭源系统的竞争一致性，并具有准确性和多功能性。

此描述由 AI（人工智能）生成。AI 可能会犯错。请检查重要信息。

网站： internvl.opengvlab.com

免责声明：WebCatalog 与“InternVL3”没有任何附属、关联、授权、认可关系，也没有以任何方式正式关联。所有产品名称、徽标和品牌均为其各自所有者的财产。