DeepSpeed-VisualChat：多轮多图像交互聊天通过多模态因果关注
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种名为MMICL的模型，用于解决图像与文本交叉多模态提示的问题。该模型能够适应用户真实应用中复杂的提示，在广泛的视觉-语言任务中取得了新的最先进的零样本和少样本性能。
🏷️
