文心一言排名墊底，卻成為百度業績增長杠桿
文/侯煜編輯/羅卿知識增強大預言模式文心一言發布后，百度公司熱度大幅提升，文心一言到底能為百度的業績帶來多大的增益成為業內關注焦點。近日，百度（NASDAQ：BIDU/09888.HK）公布了
8 月 30 日消息，通義千問團隊今天對 Qwen-VL（視覺語言、Vision Language）模型進行更新，推出 Qwen2-VL。
Qwen2-VL 的一項關鍵架構改進是實現了動態分辨率支持（Naive Dynamic Resolution support）。與上一代模型 Qwen-VL 不同，Qwen2-VL 可以處理任意分辨率的圖像，而無需將其分割成塊，從而確保模型輸入與圖像固有信息之間的一致性。這種方法更接近地模仿人類的視覺感知，使模型能夠處理任何清晰度或大小的圖像。
另一個關鍵架構增強是 Multimodal Rotary Position Embedding（M-ROPE）。通過將 original rotary embedding 分解為代表時間和空間（高度和寬度）信息的三個部分，M-ROPE 使 LLM 能夠同時捕獲和集成 1D 文本、2D 視覺和 3D 視頻位置信息。這使 LLM 能夠充當多模態處理器和推理器。
在 7B 規模下，Qwen2-VL-7B 保留了對圖像、多圖像和視頻輸入的支持，以更具成本效益的模型大小提供“具有競爭力”的性能。
Qwen2-VL-2B 模型針對潛在的移動部署進行了優化。盡管參數量只有 2B，但官方表示該模型在圖像、視頻和多語言理解方面表現出色。
附模型鏈接如下：
Qwen2-VL-2B-Instruct：https://www.modelscope.cn/models/qwen/Qwen2-VL-2B-Instruct
Qwen2-VL-7B-Instruct：https://www.modelscope.cn/models/qwen/Qwen2-VL-7B-Instruct
本文鏈接：http://www.www897cc.com/showinfo-45-6597-0.html阿里通義千問推出 Qwen2-VL：開源 2B 7B 參數 AI 大模型，處理任意分辨率圖像無需分割成塊
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號