2023-12-19 中国 来源：其他 作者：刘纪铖 领域：信息
关键词：
据品玩网12月15日消息，中国腾讯公司与西安交大、香港大学的联合研究团队发布多模态大模型VL-GPT。VL-GPT是一种能够同时感知和生成视觉与语言数据的转换器模型。该研究团队通过采用直接的自动回归目标，实现了图像和文本模式的统一预训练方法，从而使该模型能够像语言模型处理文本一样无缝地处理图像和文本。研究显示，VL-GPT在各种视觉与语言理解及生成任务（包括图像字幕、视觉问题解答、文本到图像生成等）中都表现出了卓越的性能。相关研究发表在预印本平台arxiv上。
