/ habr.com
Nvidia выпустила NVLM 1.0 – собственную мультимодальную LLM, которая на некоторых тестах опережает GPT-4o
NVLM 1.0 (NVIDIA Vision Language Model) – это семейство открытых мультимодальных LLM, состоящее из моделей NVLM-D (Decoder-only Model), NVLM-X (X-attention Model) и NVLM-H (Hybrid Model) на 34B и 72B.
Модели особенно хорошо показывают себя на визуальных задачах. Например, на бенчмарке OCRBench, который проверяет способность модели считывать текст с картинки, NVLM-D обогнала даже GPT-4o – последнюю мультимодальную модель от OpenAI.
А еще модель понимает мемы, разбирает человеческий почерк и хорошо отвечает на вопросы, чувствительные к точному местоположению чего-либо на картинке.
Читать на habr.comОб этом же в других СМИ
Huawei первой выпустила складывающийся втрое телефон charter97.org / 2 дня назад
8BitDo выпустила NGC Retro Receiver, девайс добавляет поддержку сторонних Bluetooth-контроллеров в GameCube и Wii habr.com / 3 дня назад
Вход в Ад стал бесплатным: Blizzard выпустила временную пробную версию Diablo IV для PC, Xbox и PlayStation gagadget.com / 3 дня назад
Показать ещё
Сайт imag.one - агрегатор новостей из открытых источников. Источник указан в начале и в конце анонса. Вы можете пожаловаться на новость, если находите её недостоверной.