商湯發(fā)布多模態(tài)多任務(wù)通用大模型“書生2.5”

　　多知網(wǎng)3月15日消息，商湯科技日前發(fā)布多模態(tài)多任務(wù)通用大模型“書生(INTERN)2.5”。

　　據(jù)介紹，“書生”由商湯科技、上海人工智能實驗室、清華大學(xué)、香港中文大學(xué)、上海交通大學(xué)于2021年11月首次共同發(fā)布，并持續(xù)聯(lián)合研發(fā)。

　　商湯科技表示，“書生2.5”擁有30億參數(shù)，“是目前全球開源模型中ImageNet準(zhǔn)確度最高、規(guī)模最大，同時也是物體檢測標(biāo)桿數(shù)據(jù)集COCO中唯一超過65.0 mAP的模型”。

　　“書生2.5”在圖文跨模態(tài)領(lǐng)域卓越的性能表現(xiàn)來自于視覺、語音及多任務(wù)建模三大模型能力的有效融合，即InternImage-G通用視覺大模型、用于文本理解的超大語言預(yù)訓(xùn)練模型(LLM)和用于多任務(wù)的兼容解碼建模大模型(Uni-Perceiver)。

　　“書生2.5”實現(xiàn)了通過文本來定義任務(wù)，從而可以靈活地定義不同場景的任務(wù)需求，并根據(jù)給定視覺圖像和任務(wù)的提示性語句，給出相應(yīng)的指令或作答，進(jìn)而具備通用場景下的高級感知和復(fù)雜問題處理能力，比如圖像描述、視覺問答、視覺推理和文字識別等。

　　“書生2.5”的圖文跨模態(tài)開放任務(wù)處理能力可為自動駕駛、機器人等通用場景任務(wù)提供精準(zhǔn)的感知和理解能力支持。例如，在自動駕駛場景中，可以大幅提升場景感知理解能力，準(zhǔn)確輔助車輛判斷交通信號燈狀態(tài)、道路標(biāo)志牌等信息，為車輛決策規(guī)劃提供有效信息輸入。此外，其也可解決紛繁復(fù)雜的日常生活中的常見任務(wù)，滿足各種需求。

　　“書生2.5”同時具備AIGC“以文生圖”的能力，還可根據(jù)文本快速檢索出視覺內(nèi)容。

　　自3月14日起，“書生2.5”多模態(tài)通用大模型已在商湯參與的通用視覺開源平臺OpenGVLab開源。(多知網(wǎng) 哆啦)