多模态人工智能Agent（智能体）能够处理和学习各种数据类型，包括自然语言、图像和音频。虽然将视觉数据融入大型语言模型已有进展，但如何将图像数据转化为Agent可操作结果仍具挑战。这篇文章介绍一种新型多模态模型，...

浏览 55 次 标签： 端侧多模态 | 不到10亿参数的端侧Agent竟媲美GPT-4V？AI手机不远了！