【資料圖】
阿里云推出了大規模視覺(jué)語(yǔ)言模型Qwen-VL，目前已經(jīng)在ModeScope開(kāi)源，IT之家早前曾報道，阿里云此前已經(jīng)開(kāi)源通義千問(wèn)70 億參數通用模型Qwen-7B和對話(huà)模型Qwen-7B-Chat。
據悉，Qwen-VL是一款支持中英文等多種語(yǔ)言的視覺(jué)語(yǔ)言（Vision Language，VL）模型，相較于此前的VL模型，其除了具備基本的圖文識別、描述、問(wèn)答及對話(huà)能力之外，還新增了視覺(jué)定位、圖像中文字理解等能力。
Qwen-VL以Qwen-7B為基座語(yǔ)言模型，在模型架構上引入視覺(jué)編碼器，使得模型支持視覺(jué)信號輸入，該模型支持的圖像輸入分辨率為 448，此前開(kāi)源的LVLM模型通常僅支持224分辨率。
官方表示，該模型可用于知識問(wèn)答、圖像標題生成、圖像問(wèn)答、文檔問(wèn)答、細粒度視覺(jué)定位等場(chǎng)景，在主流的多模態(tài)任務(wù)評測和多模態(tài)聊天能力評測中，取得了遠超同等規模通用模型的表現。
此外，在Qwen-VL的基礎上，通義千問(wèn)團隊使用對齊機制，打造了基于LLM的視覺(jué)AI助手Qwen-VL-Chat，可讓開(kāi)發(fā)者快速搭建具備多模態(tài)能力的對話(huà)應用。
通義千問(wèn)團隊同時(shí)表示，為了測試模型的多模態(tài)對話(huà)能力，他們構建了一套基于GPT-4打分機制的測試集 “試金石”，對Qwen-VL-Chat及其他模型進(jìn)行對比測試，Qwen-VL-Chat在中英文的對齊評測中均取得了開(kāi)源LVLM最好結果。
責任編輯：李楠
分享到：版權聲明：凡注明來(lái)源“流媒體網(wǎng)”的文章，版權均屬流媒體網(wǎng)所有，轉載需注明出處。非本站出處的文章為轉載，觀(guān)點(diǎn)供業(yè)內參考，不代表本站觀(guān)點(diǎn)。文中圖片均來(lái)源于網(wǎng)絡(luò )收集整理，僅供學(xué)習交流，版權歸原作者所有。如涉及侵權，請及時(shí)聯(lián)系我們刪除!關(guān)鍵詞：
