商务
(资料图片仅供参考)
阿里云今日发布了大规模视觉语言模型Qwen-VL，并已在ModeScope平台上开源。此前，阿里云已经开源了通用模型Qwen-7B和对话模型Qwen-7B-Chat。 据介绍，Qwen-VL是一款支持中英文等多种语言的视觉语言模型。与以往的视觉语言模型相比，Qwen-VL不仅具备图文识别、描述、问答和对话的基本能力，还新增了视觉定位和图像中文字理解等功能。 Qwen-VL以Qwen-7B为基础，引入视觉编码器，使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，而此前开源的LVLM模型通常仅支持224分辨率。 官方表示，Qwen-VL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，Qwen-VL的表现远超同等规模的通用模型。 在Qwen-VL的基础上，通义千问团队使用对齐机制，打造了基于LLM的视觉AI助手Qwen-VL-Chat，以便开发者快速搭建具备多模态能力的对话应用。 通义千问团队还表示，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”。在对Qwen-VL-Chat及其他模型进行对比测试后，Qwen-VL-Chat在中英文的对齐评测中均取得了开源LVLM最好的结果。
关键词：
版权与免责声明：
1 本网注明“来源：×××”（非商业周刊网）的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，本网不承担此类稿件侵权行为的连带责任。
2 在本网的新闻页面或BBS上进行跟帖或发表言论者，文责自负。
3 相关信息并未经过本网站证实，不对您构成任何投资建议，据此操作，风险自担。
4 如涉及作品内容、版权等其它问题，请在30日内同本网联系。
