蘋果發布多模態 AI 大語言模型 MM1.5

蘋果發布多模態 AI 大語言模型 MM1.5，目的為加強對文字和圖片的理解，以及多圖片推理能力，這是一個全面增強的版本。

MM1.5 核心升級其創新的資料處理方法，採用以資料為中心的訓練方式，精心選擇並最佳化訓練資料集，MM1.5 結合高清的 OCR 資料和合成影像描述，以及精細的視覺指令調整資料，提高了在文字辨識、圖片理解和視覺指令執行方面的表現。

https://arxiv.org/pdf/2409.20566