Llama 3.2：轻量级设计与多模态能力

前沿科技速递🚀

9月26日Meta 推出了 Llama 3.2，这是一个前沿的多模态大语言模型系列。该系列包括轻量级文本模型（1B 和 3B）以及视觉模型（11B 和 90B），专为在边缘和移动设备上的高效应用而设计。这些模型经过预训练和指令调优，特别适合于实时处理和个性化需求，能够在多种任务中展现出卓越的表现，包括文本生成、图像理解和数据摘要。

来源：传神社区

01 模型简介

Meta 于2024年推出了 Llama 3.2，这是一个创新的多模态大语言模型系列。该系列包含轻量级文本模型（1B 和 3B）和视觉模型（11B 和 90B），旨在支持在边缘和移动设备上的高效应用。这些模型经过预训练和指令调优，特别适合于实时处理和个性化应用，能够在多种任务中提供卓越表现，包括文本生成、图像理解和数据摘要。

02 技术亮点

1. 多模态支持

Llama 3.2 引入了图像推理功能，11B 和 90B 模型能够处理文本与图像的组合输入。通过整合视觉和语言模型，这些模型可用于生成图像说明、回答与图像相关的问题，并进行复杂的视觉推理。