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!