Meta AI推出了感知语言模型（PLM），这是一个开放且可复现的视觉语言建模框架，支持图像和视频输入。PLM通过合成数据和人工标记数据进行训练，强调透明性和可评估性，集成了视觉编码器和不同参数的语言解码器，采用多阶段训练流程。PLM发布了两个高质量视频数据集，支持细粒度视频理解，并在多个基准测试中表现优异，推动了多模态人工智能研究。