內容行業大變天，爆款全靠AI？
出品 | 微果醬（wjam123456）作者 | 陳出木題圖 | 文心一格 AI的發展之快出乎所有人的預料，似乎一夜之間便呼嘯而來。無論是資本的風向標，抑或是生活工作的輔助、流量口，還是茶余飯
5 月 30 日消息，Xiaomi MiMo 官方公眾號今日發文宣布，小米多模態大模型 Xiaomi MiMo-VL 現已正式開源。官方表示，其在圖片、視頻、語言的通用問答和理解推理等多個任務上，大幅領先同尺寸標桿多模態模型 Qwen2.5-VL-7B，并且在 GUI Grounding 任務上比肩專用模型，為 Agent 時代而來。
MiMo-VL-7B 在保持 MiMo-7B 純文本推理能力的同時，在多模態推理任務上，僅用 7B 參數規模，在奧林匹克競賽（OlympiadBench）和多個數學競賽（MathVision、MathVerse）大幅領先 10 倍參數大的阿里 Qwen-2.5-VL-72B 和 QVQ-72B-Preview，也超越閉源模型 GPT-4o。
在評估真實用戶體驗的內部大模型競技場中，MiMo-VL-7B 超越 GPT-4o，成為開源模型第一。
其能夠完成復雜圖片推理和問答等任務，在長達 10 多步的 GUI 操作上，MiMo-VL-7B 也展示了不錯的潛力，甚至能幫你加購小米 SU7 至心愿單。
其采用了高質量的預訓練數據以及創新的混合在線強化學習算法（Mixed On-policy Reinforcement Learning, MORL）：
多階段預訓練：
收集、清洗、合成了高質量的預訓練多模態數據，涵蓋圖片-文本對、視頻-文本對、GUI 操作序列等數據類型，總計 2.4T tokens。通過分階段調整不同類型數據的比例，強化長程多模態推理的能力。
混合在線強化學習：
混合文本推理、多模態感知 + 推理、RLHF 等反饋信號，并通過在線強化學習算法穩定加速訓練，全方位提升模型推理、感知性能和用戶體驗。
MiMo-VL-7B 已開源 RL 前后兩個模型，附開源鏈接：https://huggingface.co/XiaomiMiMo及相關技術報告：https://github.com/XiaomiMiMo/MiMo-VL/blob/main/MiMo-VL-Technical-Report.pdf
MiMo-VL-7B 支持 50 + 測評任務的框架也已經開源至 GitHub：https://github.com/XiaomiMiMo/lmms-eval
本文鏈接：http://www.rrqrq.com/showinfo-45-13292-0.html小米多模態大模型 MiMo-VL 開源，官方稱多方面領先 Qwen2.5-VL-7B
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
上一篇： AI編程時代，程序員將何去何從？
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號