摩根大通推出多模态文档理解模型DocLLM
开源模型击败GPT-4，小模型更流行
论文地址:https://aclanthology.org/2023.findings-emnlp.157.pdf
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
为了增强用户的可访问性，Inpaint Wechat 提供了一个QR码，用于快速访问微信小程序。用户只需扫描QR码即可打开小程序并开始使用强大的修复功能。这一功能确保了便捷而高效的用户入门过程。