InternLM-XComposer：面向高级文本图像理解与构图的视觉语言大模型

InternLM-XComposer是一种视觉语言模型，具有交错式文本-图像组合、基于多语言知识的理解和最先进的性能等特点。该模型能够智能地识别文本中可以增强内容的图像区域，并自动插入最合适的视觉候选。在各种主流视觉-语言基础模型基准测试中，InternLM-XComposer始终取得最先进的结果。该模型已公开提供于指定URL。