通过视觉指导优化的改进基准模型
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了 Muffin 框架和 UniMM-Chat 数据集，Muffin 使用预训练的视觉语言模型实现多模态指令跟随，在广泛的视觉语言任务中实现了最先进的性能。UniMM-Chat 数据集生成了 1.1M 个高质量多样化的多模态指令。
🏷️
