MiniCPM-Llama3-V 2.5首次在端侧实现了GPT-4V级的多模态能力

文章预览

面壁智能 开源了  MiniCPM-Llama3-V 2.5 ，增强了 OCR 能力，支持 30 多种语言，并首次在端侧实现了 GPT-4V 级的多模态能力！ MiniCPM-V系列模型特点对比： MiniCPM-Llama3-V 2.5、 MiniCPM-V 2.0、 MiniCPM-V 1.0 性能评估 评测结果TextVQA, DocVQA, OCRBench, OpenCompass, MME, MMBench, MMMU, MathVista, LLaVA Bench, RealWorld QA, Object HalBench. 典型示例 将 MiniCPM-Llama3-V 2.5 部署在小米 14 Pro 上，并录制了以下演示视频，以2倍速播放视频。 https: //github.com/OpenBMB/MiniCPM-V model：https: //huggingface.co/openbmb/MiniCPM-Llama3-V-2_5 demo：http: //120.92.209.146:8889/ 推荐阅读 •  对齐LLM偏好的直接偏好优化方法：DPO、IPO、KTO •  2024：ToB、Agent、多模态 •  TA们的RAG真正投产了吗？（上） •  Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1.2万字，20+文献，27张图） 欢迎关注我的公众号“ PaperAgent ”， 每天一 ………………………………