性能相当于体积大10倍的模型

📌划重点:GoogleResearch和GoogleDeepMind发布了PaLI-3，这是一款仅有50亿参数的视觉语言模型（VLM）。尽管相对较小，PaLI-3在多模态测试中超越了体积大10倍的模型，可以回答关于图像的问题、描述视频、识别对象和读取图像上的文本。