视觉 - 语言

NVLM: NVLM，或称 NVLM 1.0，是一系列由 NVIDIA 开发的最先进的多模态大型语言模型。它在视觉-语言任务中表现出色，甚至在文本-only 任务中相比其 LLM 主干表现也有所提升。凭借强大的架构和广泛的训练，NVLM 与领先的专有模型如 GPT-4o 和开放获取的替代品如 Llama 3-V 竞争。