亞洲資本網(wǎng) > 資訊 > 國內(nèi) > 正文
阿里云推大規(guī)模視覺語言模型開源，支持中英文多種語言
2023-08-27 21:33:09來源： 中關村在線


(資料圖片)

阿里云于8月25日推出了大規(guī)模視覺語言模型Qwen-VL，該模型已在ModeScope開源。此前，阿里云已經(jīng)開源了通用模型Qwen-7B和對話模型Qwen-7B-Chat。Qwen-VL是一款支持中英文等多種語言的視覺語言模型，相較于此前的視覺語言模型，除了具備基本的圖文識別、描述、問答及對話能力之外，還新增了視覺定位、圖像中文字理解等能力。Qwen-VL以Qwen-7B為基座語言模型，在模型架構上引入視覺編碼器，使得模型支持視覺信號輸入，該模型支持的圖像輸入分辨率為448，此前開源的視覺語言模型通常僅支持224分辨率。官方表示，該模型可用于知識問答、圖像標題生成、圖像問答、文檔問答、細粒度視覺定位等場景，在主流的多模態(tài)任務評測和多模態(tài)聊天能力評測中，取得了遠超同等規(guī)模通用模型的表現(xiàn)。在Qwen-VL的基礎上，通義千問團隊使用對齊機制，打造了基于語言模型的視覺AI助手Qwen-VL-Chat，可讓開發(fā)者快速搭建具備多模態(tài)能力的對話應用。通義千問團隊同時表示，為了測試模型的多模態(tài)對話能力，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及其他模型進行對比測試，Qwen-VL-Chat在中英文的對齊評測中均取得了開源視覺語言模型最好結果。

關鍵詞：

專題新聞
  • 開了30年，上海明星商場關店在即！“關門活動”引來搶購潮，11年前老顧客回流，店員：客流至少增了四五倍
  • 眾泰汽車股東戶數(shù)增加6.25%，戶均持股7.76萬元
  • 成都車展丨主打時尚、科技 全新伊蘭特上市 9.98萬元起
  • 中郵證券給予中國鋁業(yè)買入評級，全產(chǎn)業(yè)鏈深化優(yōu)勢，降本增效成效明顯
  • 舊動能助空頭 新動能刺激買盤 “銅博士”何去何從?
  • 國家體育總局冬運中心主任倪會忠被查

京ICP備2021034106號-51

Copyright © 2011-2020  亞洲資本網(wǎng)   All Rights Reserved. 聯(lián)系網(wǎng)站：55 16 53 8 @qq.com