蘋果的 “多模態(tài)煉丹爐” 又升級!MM1.5增強文本密集、多圖理解

　　蘋果公司最近為其多模態(tài)人工智能模型MM1推出了重大更新，將其升級為MM1.5版本。

　　這次升級不僅僅是簡單的版本號變更，而是全方位的能力提升，使得模型在各個領域都展現(xiàn)出了更強大的性能。

　　MM1.5的核心升級在于其創(chuàng)新的數(shù)據(jù)處理方法，包括高清晰度的OCR數(shù)據(jù)和合成圖像描述的使用，以及優(yōu)化的視覺指令微調(diào)數(shù)據(jù)混合。

　　MM1.5采用以數(shù)據(jù)為中心的訓練方法，優(yōu)化了訓練數(shù)據(jù)集，在文字識別、圖像理解和執(zhí)行視覺指令等方面表現(xiàn)顯著提升。

　　MM1.5涵蓋了從10億到300億參數(shù)的多個版本，包括密集型和專家混合(MoE)變體，即使是較小規(guī)模的模型也能達到令人印象深刻的性能水平。

　　MM1.5的能力提升主要體現(xiàn)在文本密集型圖像理解、視覺指代和定位、多圖像推理、視頻理解以及移動UI理解等方面，拓展了應用場景。