09月19日,星期二 09:30
火讯财经讯,据站长之家9月19日报道,北京交通大学等机构近日联合推出了新多模态大模型MMICL。它支持文本、图像、视频三种模态的混合输入。据悉,MMICL在MMBench和MME两项多模态测评中均获得不俗的成绩,它采用Flan-T5XXL作为基础模型,通过两阶段训练完成。第一阶段是预训练,使用大规模数据集;第二阶段是多模态上下文微调,使用自建包含丰富多模态样本的MIC数据集。这种训练方式让MMICL既具备强大的语义理解能力,又特别适合处理复杂的多模态输入。目前,MMICL已开源两个版本,分别基于FlanT5XL和Vicuna模型,可满足商用和科研需求。