多模态大语言模型

新型多模态大语言模型INF-LLaVA：专门设计用于处理高分辨率图像，以提高模型对视觉和语言信息的理解能力

基于 SEED-X 的新型多模态大语言模型SEED-Story：根据用户提供的文本和图片生成长篇的图文故事

多模态大语言模型Groma：具备精细化和定位化的视觉感知能力

多模态大语言模型LITA：专门设计来处理视频中的时间定位问题

多模态问答系统Lumos：结合场景文本识别和多模态大语言模型