InternVL3

Internvl3 هو نموذج لغة كبير متعدد الوسائط متقدم (MLLM) تم تطويره للتفوق في مهام لغة الرؤية ، وفهم السياق الطويل ، والتفكير المعقد. تم تصميمه كجزء من سلسلة InternVL ، ويدمج التدريب الأصلي متعدد الوسائط لمعالجة الصور ومقاطع الفيديو والنصوص بسلاسة ، وتمكين التطبيقات عبر تحليل المستندات ، والفهم الحقيقي ، ومعالجة الصور الصناعية. يدعم النموذج القدرات متعددة اللغات ويوضح أداءً قويًا في المهام التي تتطلب التفكير المكاني ، وتفاعل وكيل واجهة المستخدم الرسومية ، والأرض البصري.

تتضمن الميزات الرئيسية تشفير الموضع البصري المتغير (V2PE) للتعامل مع السياقات متعددة الوسائط الموسعة وتحسين التفضيل المختلط (MPO) لمخرجات التفكير المكررة. يتفوق Internvl3 على التكرارات السابقة في معايير التفكير متعددة الانضباط ، مما يحقق نتائج أحدث مثل 72.2 نقطة في معيار MMMU. إن بنيةها القابلة للتطوير ، والتي تتراوح من 1B إلى 78B ، تضمن القدرة على التكيف مع حالات الاستخدام المتنوعة ، بما في ذلك الأبحاث الأكاديمية ، واسترجاع العرض عبر الوسائط ، والتحليل الخاص بالمجال. تسهل موارد النموذج المفتوح والمصدر التدريبي التخصيص للتطبيقات المتخصصة مع الحفاظ على التوافق التنافسي مع أنظمة المصدر المغلقة الرائدة في الدقة والتنوع.

تم إنشاء هذا الوصف بواسطة الذكاء الاصطناعي (الذكاء الصناعي). يمكن للذكاء الاصطناعي أن يرتكب أخطاء. تحقق من المعلومات المهمة.

الموقع الإلكتروني: internvl.opengvlab.com

إخلاء المسؤولية: WebCatalog غير منتسبة، أو مرتبطة، أو مرخَّصة، أو مصادق عليها بأي شكلٍ من الأشكال أو متصلة رسميًا بـ InternVL3. جميع أسماء المنتجات والشعارات والعلامات التجارية مملوكة لأصحابها المعنيين.