智源研究院推出新一代無編碼器視覺語言多模態(tài)大模型EVE

　　近期，智源研究院聯(lián)合大連理工大學(xué)、北京大學(xué)等高校推出了新一代無編碼器的視覺語言模型EVE，通過精細(xì)化訓(xùn)練策略和額外的視覺監(jiān)督，解決了多模態(tài)大模型訓(xùn)練分離導(dǎo)致的視覺歸納偏置問題，表現(xiàn)優(yōu)異于基于編碼器的主流多模態(tài)方法。EVE展示了無編碼器原生視覺語言模型的潛力，為多模態(tài)模型的發(fā)展提供了新思路。

　　EVE采用無編碼器架構(gòu)，處理任意圖像長寬比，表現(xiàn)優(yōu)異于同類型模型。

　　EVE使用公開數(shù)據(jù)預(yù)訓(xùn)練，訓(xùn)練時間短，數(shù)據(jù)和訓(xùn)練代價低。

　　EVE提供透明高效的探索路徑，在多個視覺-語言基準(zhǔn)測試中表現(xiàn)優(yōu)異。