阿里云于8月25日推出了大规模视觉语言模型Qwen-VL，该模型已在ModeScope开源。此前，阿里云已经开源了通用模型Qwen-7B和对话模型Qwen-7B-Chat。 Qwen-VL是一款支持中英文等多种语言的视觉语言模型，相较于此前的视觉语言模型，除了具备基本的图文识别、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。 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，此前开源的视觉语言模型通常仅支持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、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，取得了远超同等规模通用模型的表现。 在Qwen-VL的基础上，通义千问团队使用对齐机制，打造了基于语言模型的视觉AI助手Qwen-VL-Chat，可让开发者快速搭建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，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-Chat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了开源视觉语言模型最好结果。
上一篇：昌景黄高铁正式进入联调联试阶段：350公里高速高铁即将上线 下一篇：没有了
孟晚舟回国，今夜将到达深圳市，乘飞机写出文章感语
又一电脑操作系统，华为公司全新升级公布欧拉
全民飞机大战每日一题答案大全
动态壁纸：换个会动的壁纸你不心动吗？
海量福利送不停 《梦幻花园》新关卡开放
公务员警告处分有什么影响，公务员受到行政警告处分会计入档案吗
英雄联盟手游加里奥有什么技能-英雄联盟手游加里奥技能介绍
万能驱动助理
易我数据恢复
电脑系统重装
WPS Office
有道词典
极速压缩
压缩软件
几何画板mac版
腾讯手游助手
蓝叠模拟器
Google 
爱奇艺轮播台
虎牙直播助手
酷我音乐
芒果TV
QQ音乐
变声软件
暴风影音
Logo设计
思维导图