本文介绍了一种简约的视觉语言模型普及方法，通过大规模的弱监督数据进行端到端训练，实现了具有新的最先进结果的广泛辨别和生成性视觉语言基准方面的目标。该模型展示了强大的泛化和转移能力，实现了零-shot行为。