26个MM-LLM模型

原创 已于 2024-05-28 14:43:02 修改 · 320 阅读 · 0 ·
CC 4.0 BY-SA版权
本文为博主原创文章，未经博主允许不得转载。
文章标签：

#gpt

于 2024-02-01 15:23:12 首次发布
作者的新书《AndroidApp开发入门与实战》已由人民邮电出版社在2020年8月出版，适合初学者，同时提供职场和副业指导，鼓励读者关注并步入IT行业。

我的新书《Android App开发入门与实战》已于2020年8月由人民邮电出版社出版，欢迎购买。点击进入详情

职场攻略与副业指南，成就你的IT人生。快扫描下面二维码关注吧！

ba1e8177db424136a3b666cf83ea7eef.png

大模型部署指南：TensorRT-LLM 框架
举世誉之而不加劝，举世非之而不加沮，定乎内外之分，辩乎荣辱之境，斯已矣。
09-24 1108
本文介绍TensorRT-LLM大模型部署框架的使用
如何使用MindSpeed-LLM做权值格式转换
Hi20240217的博客
02-11 824
【代码】如何使用MindSpeed-LLM做权值格式转换。
26个最佳MM-LLM
一休
07-24 680
MM-LLM能够处理文本、图像、视频和音频等多种模态，提升了模型在多模态任务上的性能。腾讯AI Lab、京都大学和穆罕默德·本·扎耶德人工智能大学的研究团队发布了一份综述报告，全面梳理了MM-LLM的最新进展，介绍了26个当前最佳的MM-LLM。MM-LLM利用现成的预训练单模态基础模型（特别是强大的LLM），以降低多模态预训练的计算成本并提升效率。常用的LLM包括Flan-T5、ChatGLM、UL2、Qwen、Chinchilla、OPT、PaLM、LLaMA、LLaMA-2、Vicuna。
NVIDIA大模型推理框架：TensorRT-LLM软件流程（一）
chinamaoge的博客
10-19 735
通过trtllm-serve启动部署大模型推理框架Server端作为切入点，对整个TensorRT-LLM推理引擎的启动、加载模型文件、接收推理请求并且给出推理结构的整个流程，给出代码层面的详细梳理！
【有啥问啥】掌握MM-LLM的必备知识：原理、实现与示例
Chauvin的博客
07-09 1402
MM-LMM，全称为Multi-Modal Large Language Model，是一种能够同时处理多种模态数据的大型语言模型。这种模型不仅可以处理文本，还能够理解和生成图像、语音等其他类型的数据。
多模态大模型（MM-LLMs）近期概述
qq_41458274的博客
07-30 1491
目的：MM-LLMs旨在减少计算费用并提高多模态预训练的效率, 因为从头开始训练时会产生大量的计算成本。挑战：如何有效地将LLM与其他模式的模型连接起来，实现协同推理是MM-LLM面临的核心挑战。焦点：多模态预训练(PT) + MM指令调优(IT)流程来优化模态之间的对齐并与人类意图对齐。
【论文综述+多模态】腾讯发布的多模态大语言模型（MM-LLM）综述(2024.02)
进一寸有一寸的欢喜
02-29 7587
多模态大语言模型：Multimodal Large Language ModelsMM-LLM =预训练单模态模型（ 含LLMs） + 微调对齐所有模态 + 输出调整MM-LLMs 利用现成的预训练单模态基础模型，特别是强大的大型语言模型（LLMs）， 作为认知核心，赋予各种多模态任务能力。LLMs 提供了稳健的语言生成、zero-shot 迁移能力和上下文学习（ICL）等可取特性在这一领域中，主要关注点是通过多模态预训练（MM PT, Pre-Training）+ 多模态指令调整。
推荐开源项目：Flash-LLM - 高效大语言模型推理加速库
gitblog_00074的博客
06-12 630
推荐开源项目：Flash-LLM - 高效大语言模型推理加速库 项目介绍 Flash-LLM 是一款专为无结构模型剪枝的大规模语言模型（LLM）推理加速库。这个库基于 Tensor-Core 加速的无结构稀疏矩阵乘法计算，旨在有效提升 LLM 中常见矩阵运算的性能。通过 Flash-LLM，可以将剪枝后的 LLM 模型部署到内存需求较低的 GPU 上，并以更高效的方式运行。目前，该代码已经在 NV...
在带有Intel NPU的Windows上安装IPEX-LLM
wux_labs的博客
02-14 1542
本文将介绍在 Intel NPU 环境下安装 IPEX-LLM。
MM-LLM大模型源码-学习好资料.zip
03-13
从上述分析可以看出，MM-LLM大模型源码项目是一个结构完整、功能齐全的深度学习项目。它为开发者提供了从模型配置、初始化、训练到推理的全套工具，使得用户可以全面地理解和实践大型模型的构建和应用。
NExT-GPT 是一个端到端通用的任意多模态大型语言模型（MM-LLM）系统
11-12
NExT-GPT 是一个端到端通用的任意多模态大型语言模型（MM-LLM）系统。该存储库托管了 NExT-GPT 的代码、数据和模型权重，NExT-GPT 是第一个端到端的 MM-LLM，它以文本、图像、视频和音频等的任意组合（任意到任意）...
GPT是否降智的测试问题
最新发布
zy的博客
11-24 60
3.我有3个苹果，吃了一个，把果核种下长成树，树上结了5个苹果。我现在手里有几个苹果？请一步步推理（Think step by step），最后再告诉我数字。在prompt中，一定要写“请深度思考后回答，think hard and throught”4.尝试输入具体的编程任务来强制触发，例如：用Python写一个贪吃蛇游戏，请使用Canvas模式。1.请比较9.11和9.2 谁更大，给出详细的推理过程，请充分思考后给出回答。2.如果你给的prompt中有中文，但是生成的回答全都是英文，大概率是降智了。
LangChain / LangGraph / AutoGPT / CrewAI / AutoGen 五大框架对比
雨落
11-21 67
当前主流多智能体（Multi-Agent）与自主 AI 框架涵盖 LangChain / LangGraph / AutoGPT / CrewAI / AutoGen 五大框架。以下是总结和对比分析。
OpenAI 发布 GPT-5.1-Codex-Max：专注长时序编程任务的新模型
Ashtar_katay的博客
11-20 604
OpenAI发布GPT-5.1-Codex-Max编程模型，取代GPT-5.1-Codex，成为Codex集成界面上默认模型。模型在多个编程基准测试中超越谷歌Gemini 3 Pro，如SWE-Bench Verified测试中准确率77.9%，领先对方1.7个百分点。其引入“压缩”机制，可连续工作超24小时，token效率提升约30%。
GPT-4o Realtime 之后：全双工语音大模型如何改变下一代人机交互？
Curvatureflight的博客
11-23 543
GPT-4o Realtime 引发的全双工语音模型浪潮正在推动一个新的交互时代到来。它不仅改善语音翻译、智能客服、会议系统，也使“像人与人一样沟通的 AI”成为现实。随着多模态架构不断成熟，全双工语音模型将成为未来应用的基础设施级能力，就像今天的网络与操作系统一样普及。
GPT-5.1更新实测：哪些学术场景被真正增强？
dinaxuejie的博客
11-22 578
GPT-5.1：自适应推理（Adaptive Reasoning）：简单任务减少“思考”，复杂任务增加推理深度 实测更稳、更准、更省时。相比5 thinking，5.1思考了2分41s，并且把整个的思考链条详细展示给你：包括读取了多少条数据，每个主题多少条，最后分析的关键词有哪些。一句话总结：OpenAI有意将ChatGPT打造成最懂你的贴身私人助理，GPT-5.1将朝着更智能、更人性化的方向进化。娜姐测试了之前的翻译润色场景，90%以上GPT-5和5.1效果相当，剩下10% 5.1会更智能。
Gemini 3 Pro翻车实测：深度思考3分钟，算不过GPT-5.1-high的3秒钟？
衡水铁头哥的博客
11-21 1042
Gemini 3是Google对标OpenAI稍早发布（11月12日）的GPT-5.1的重磅回应，不仅推出了Pro版本，还引入了新的深度思考（Deep Think）模式。好在他意识到了自己的错误，马上触发了更新机制，将最新的三皇争霸替换成了Gemini 3 Pro（Google）、GPT-5.1（OpenAI）和DeepSeek V3.2（深度求索）。并且，我还给了他一次扬名立万的机会，问他GPT的哪个模型可以对标Gemini 3 Pro，他回答是gpt-5.1-high。今天，我就来当这个拆台的人。
DetectGPT 的轻量升级：贝叶斯代理让检测更高效
only-code的博客
11-23 800
如何在几乎不多问大模型的情况下，依然靠谱地分辨一段文字是不是 LLM 写的？过去的零样本检测方法，要么像传统的 log-prob 检测器那样效果一般，要么像 DetectGPT 那样效果不错但查询次数离谱——检测一段文本要几百次调用源模型。在商用 LLM 按 token 收费的大背景下，这个成本几乎不可接受。在 DetectGPT 的框架里塞进了一个“贝叶斯代理人”
开源可本地部署的 Kimi K2 Thinking，实测能否替代 GPT 5.1/Claude 4.5完成深度科研任务？
dinaxuejie的博客
11-22 1367
总结：Kimi 的预评审结果不仅是“找问题”，它还会按照期刊偏好、统计方法规范、引文质量、实验设计逻辑这些维度，结合你自身领域（比如心理学、生物医学、公共卫生）的主流研究范式，提出“可立即执行”的具体改写方案，而不是一句空洞的建议。这是大家日常很费时费力的场景。论文预评审环节，需要先分析目标期刊的论文特点，然后再读取我提供的初稿论文，按照我给出的评审标准，给出具体合理的评审修改意见，帮我提升论文的水平。从结果来看，kimi检索信息的能力很强，但是很多信息不是一手的期刊官网信息，这个有待加强。
MM-LLM大模型源码深入解析与学习指南
标题中的“MM-LLM大模型源码-学习好资料.zip”表明这是一个以“MM-LLM”命名的大模型的源代码压缩包。通常，“MM”指的是机器学习（Machine Learning）领域的缩写，而“LLM”则可能代表“大型语言模型”（Large ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值