原创力文档- 1、本文档共42页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
/
DataFunSummit#2024
背景介绍
多模态大语言模型介绍
多模态大语言模型演进
团队相关工作介绍
未来展望
01
背景介绍
背景-LLM正走向多模态
•(LLM)
•NLP
•
•()
•(,CoT)
•LLM
•
•
背景-LLM正走向多模态
•(MLLM)
•OpenAI
GPT-4VGPT-4oGemini-Pro
Yin,Shukang,etal.Asurveyonmultimodallargelanguagemodels.arXiv:2306.13549
背景-MLLM能做些什么
•/
Caption
CitedfromarXiv:2309.17421
背景-MLLM能做些什么
•,;
CitedfromarXiv:2309.17421
02
多模态大语言模型介绍
介绍-MLLM的基本方面
•
模型架构
数据与训练方法
模型评估
介绍-MLLM的架构
•:
•
•
•
Yin,Shukang,etal.Asurveyonmultimodallargelanguagemodels.arXiv:2306.13549
介绍-MLLM的架构
•
•CLIP
ViT
•224x224
patch14
14x14=256tokens
CitedfromarXiv:2211.01335
介绍-MLLM的架构
•
•MLP
•token
CitedfromarXiv:2304.08485
•Q-Former
•token
•Qquery
querytoken
CitedfromarXiv:2305.06500
介绍-MLLM的数据和训练方法
•
•
•LLM
•
caption
介绍-MLLM的数据和训练方法
•
•
•VQA
文档评论（0）