阿里云推出大规模视觉语言模型Qwen-VL 已在ModeScope开源
阿里云今日推出了大规模视觉语言模型Qwen-VL,目前已经在ModeScop阿里e开源,IT之家早前曾报道,阿里云此前已经开源通义千问70 亿参数通用模型Qwen-7B云推和对话模型Qwen-7B-Chat。据悉,Qwen-VL是一款支持中英文等多种语言的出大视觉语言(Vision Language,VL)模型,相较于此前的VL模型,其除了具备基规模本的图文识别、描述、问答及对话能力之外,还新增了视觉定位、图像中文字理解等能力视觉。Qwen-VL以Qwen-7B为基座语言模型,在模型架构上引入视觉编码器,使得模语言型支持视觉信号输入,该模型支持的图像输入分辨率为 448,此前开源的LVLM模模型型通常仅支持224分辨率。官方表示,该模型可用于知识问答、图像标题生成、图像问答、Qw文档问答、细粒度视觉定位等场景,在主流的多模态任务评测和多模态聊天能力评测中,en取得了远超同等规模通用模型的表现。此外,在Qwen-VL的基础上,通义千问团队使用对-V齐机制,打造了基于LLM的视觉AI助手Qwen-VL-Chat,可让开发者快速搭建L 具备多模态能力的对话应用。通义千问团队同时表示,为了测试模型的多模态对话能力已在,他们构建了一套基于GPT-4打分机制的测试集 “试金石”,对Qwen-VL-ChaMot及其他模型进行对比测试,Qwen-VL-Chat在中英文的对齐评测中均取得de了开源LVLM最好结果。
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 阿里 BladeDISC 深度学习编译器正式开源
- Gartner:到2029年,用于AI工作负载的云计算资源比例将达到50%
- 阿里云为100座垃圾焚烧炉装上工业大脑,全年可多发3.6亿度绿电
- 阿里云和通义大模型成为北京市首批算力伙伴和模型伙伴
- 标签: 腾讯 企鹅岛 企鹅公寓 深圳前海
- 谷歌Gemini AI推出分层会员服务 最高月费近1800元提供500次对话额度
- 标签: 企业微信 老年人上网环境 过度营销 私域直播治理
- 标签: DeepSeek V3.2 努比亚M153 疯狂动物城2
- 标签: 育碧 腾讯 刺客信条 彩虹六号
- 奥尔特曼:上市后或不再担任 OpenAI CEO,强调自身管理能力不足
- 解密机器学习:程序是如何“创造”自己的?
- 标签: 豆包 抖音集团 鸡腿菇 大青褶伞
- IBM开盘跌8.5% 第四季度营收不及市场预期
- OpenAI Codex 正式发布,提升开发者编程体验
- 标签: 比亚迪 刀片电池 天神之眼 仰望
- 标签: 高通 微软 Meta DragonflyC1000
- 想把数据可视化做好?这 20 个超实用的经验总结一定要先看过!
- 标签: 云眼视界 智慧城市 IPO 视频物联网
- 苹果 FastVLM 上线:5分钟体验85倍速视觉 AI,数据永不出设备
- 奢侈品租赁平台推出AI造型师 三大时尚零售商联手打造个性化购物体验
- 搜索
-
- 友情链接