摩根大通推出多模态文档理解模型DocLLM
DeWave训练流程
本文作者地震学博士Allie Hutchison表示，2013年当自己开始攻读地震学博士学位时，预测地震这个话题显得很不严肃，仿佛寻找尼斯湖水怪一样，不属于主流研究的范畴。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
图源备注：图片由AI生成，图片授权服务商Midjourney