我要投稿

MiniCPM-Llama3-V-2_5 微调记录

发布日期：2024-08-13 07:40:35 浏览次数： 2356

作者：DeepLearning笔记

微信搜一搜，关注“DeepLearning笔记”

MiniCPM-V是面向图文理解的端侧多模态大模型系列。该系列模型接受图像和文本输入，并提供高质量的文本输出力，其最新模型MiniCPM-V-2.6性能更是提高。总参数量 8B，单图、多图和视频理解性能超越了 GPT-4V。在单图理解上

1. https://github.com/OpenBMB/MiniCPM-V

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-12-17

面向业务落地的AI产品评测体系设计与平台实现

2025-12-17

声画俱全，一镜入戏 | Seedance 1.5 pro 音视频创作模型正式发布

2025-12-17

OpenAI 发布 GPT Image 1.5：全面升级

2025-12-16

AI导演来了！UniVA：你的全能视频创作智能体

2025-12-15

万字拆解UI-TARS 2.0，看懂豆包手机背后的核心技术

2025-12-14

秒杀传统 TTS？！Gemini 原生中文 TTS 体验 + 提示词模板

2025-12-14

别被“多模态”骗了：用一本200页的教材，我测出了GPT-5.2和Gemini的物种代差

2025-12-11

Qwen3-Omni新升级:声形意合，令出智随！

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

手把手教学：用n8n+RSS+飞书实现多平台热点自动抓取（含RSS源分享）

2025-09-19

谁是OCR王者？MinerU、PaddleOCR、DeepSeek-OCR 实测对比，集成一个多模态PDF解析系统

2025-11-10

微软又上大分！刚刚开源一款 0.5B 轻量级实时 TTS 模型，还能边想边说！

2025-12-06

DeepSeek-OCR 实测

2025-10-22

DeepSeek-OCR多模态数据分析Agent实战

2025-10-31

Qwen3-Omni：一个模型，全能不偏科

2025-09-25

阿里 Qwen3-TTS 全新上线！支持9种方言+49种音色，连天津味儿都拿捏了！

2025-12-07

Doc-Researcher：多模态文档解析准确率提升3.4倍

2025-11-03

Gemini 3 多模态Prompt：手相宗师 - 玄师

2025-11-19

Gemini多模态Prompt：风水堪舆大宗师（玄清道人）

2025-11-20

大家都在问

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

Chat GPT文生图不用DALL·E模型了？

2025-03-26

如何构建多模态AI知识库？

2025-03-05

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： [email protected]

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部