在视觉提示中加入

最近一段时间，我们见证了大型语言模型（LLM）的显著进步。特别是，生成式预训练Transformer或GPT的发布引领了业界和学术界的多项突破。自GPT-4发布以来，大型多模态模型(LMM)引起了研究界越来越多的兴趣，许多工作致力于构建多模态GPT-4。