知识卡片
多模态联合使用输入
多模态模型能处理文本之外的图像等数据模态。生成下一个token时,它可以同时利用文字与视觉输入,而纯语言模型只基于文本token。是否支持某种模态由模型设计与训练决定,不能从“多模态”推断它具备所有感知能力。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
能够处理多种数据模态的模型称为多模态模型(multimodal model)。生成式多模态模型也称为多模态大模型(large multimodal model,LMM)。语言模型在生成下一个token时仅基于文本token,而多模态模型则基于文本和图
参考来源
- 位置:《AI工程:大模型应用开发实战》第1章《基于基础模型构建AI应用入门》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section009.xhtml)
- 结论依据:本段对概念、机制与限制条件的解释支撑正文;历史模型名称仅作原书例子,不外推为当前产品规格。
- 原始内容:能够处理多种数据模态的模型称为多模态模型(multimodal model)。生成式多模态模型也称为多模态大模型(large multimodal model,LMM)。语言模型在生成下一个token时仅基于文本token,而多模态模型则基于文本和图