Introducing IDEFICS: An Open Reproduction of State-of-the-art Visual Langage Model

Hugging Face 開源推出 IDEFICS，完美重現 DeepMind Flamingo 的 9B 與 80B 視覺語言模型。

Hugging Face 發表開源多模態視覺語言模型 IDEFICS，旨在重現 DeepMind 閉源模型 Flamingo 的強大功能。該模型基於 LLaMA 與 OpenCLIP 構建，提供 9B 與 80B 兩種參數版本，能同時處理交錯的文本與圖片輸入。IDEFICS 的開源為社群提供了強大的多模態研究基礎，並同步釋出了大規模數據集 OBELICS。

摘要由 AI 整理,以原文為準。