微信团队发布全新多模态大模型 POINTS: 简单高效又不失性能

文章预览

论文地址 ：https://arxiv.org/pdf/2409.04828 论文源码 ：https://github.com/WePOINTS/WePOINTS 项目主页 ：https://huggingface.co/papers/2409.04828 导读 2022年11月30日，OpenAI推出了ChatGPT，最初仅是在业界的小范围内引起了关注。几个月后，GPT-4.0的发布彻底点燃了整个行业并从此进入了普罗大众的视野。经过一年的发展，大家逐渐意识到单纯的LLM已无法满足需求，这一点从各大厂商和顶尖科研机构发布的成果中可以看出，人工智能正朝着VLM的方向发展。 今年，各路大神纷纷亮出自家的视觉语言模型，仿佛一场科技界的选美大赛。首当其冲的便是著名的闭源明星选手如 GPT-4、Gemini Pro 1.5和Claude 3 等模型，其成功将 LLM 扩展到视觉语言模型领域。而 LLaVA、QwenVL、InternVL 等开源届的代表新秀也不甘示弱，各方面能力也在不断赶超、逼近甚至部分超越闭源模型。 然而，这场视觉AI的狂 ………………………………