当前位置：首页 >文章发布 > 正文
苹果推出300亿参数多模态AI大模型MM1.5，可识别UI界面推理自然语言
来源：IT之家 作者：
佚名
2024-10-14 09:27:23
10月13日消息，苹果公司现已为旗下多模态大模型MM推出1.5版本，该版本模型基于前代MM1的架构，继续延续数据驱动的训练原则，重点研究在不同训练周期中混合不同类型数据对模型性能的影响。
10月13日消息，苹果公司现已为旗下多模态大模型MM推出1.5版本，该版本模型基于前代MM1的架构，继续延续数据驱动的训练原则，重点研究在不同训练周期中混合不同类型数据对模型性能的影响。
该版本模型提供10亿-300亿多种参数规模，拥有图像识别和自然语言推理能力。苹果公司研发人员在新版本中改进了数据混合策略，显著提升了模型在多文本图像理解、视觉引用与定位(Grounding)以及多图像推理方面的能力。
此外，研究人员在监督式微调阶段分析了不同数据类型对模型表现的影响，优化了视觉指令微调数据的混合方式，从而为模型实现了更高的效率，团队表示，即便是小规模的模型(10、30亿参数版本)也能表现出色。
值得关注的是，苹果公司本次还推出了专门用于视频理解的MM1.5-Video模型和专门处理移动设备用户界面(UI)理解的MM1.5-UI模型，其中MM1.5-UI模型未来有望作为iOS幕后的“苹果牌”AI，其能够处理各种视觉引用与定位任务、总结屏幕上的功能，或者通过与用户的对话进行交互。
尽管MM1.5模型在多项基准测试中取得了优秀表现，苹果团队仍计划通过进一步融合文本、图像和用户交互数据，设计更复杂的架构，来提升模型对移动设备UI的理解能力，加强“苹果牌”AI的实力。
免责声明：本文系网络转载，版权归原作者所有。本文所用图片、文字如涉及作品版权问题，请联系删除！本文内容为原作者观点，并不代表本网站观点。
编辑：乔帅臣
做企业数字化其实就是一口气
