Dragonfly: 多分辨率缩放 强力推进大型视觉 - 语言模型

该研究探索了大型多模型的效能，使用特定数据集设计的提示词，通过LMMs执行图像分类任务，并研究了LLVAs的零样本学习能力。实验结果表明模型在多个数据集上取得了显著性能，无需微调即可达到高分类准确率。细调后模型在面部照片和自闭症儿童的数据集上表现出显著改进，展示了LLVAs的变革潜力和多样应用。