Hva er Visjon-språkmodell (VLM)?

Det brede feltet av byggesystemer som utfører oppgaver som krever mønstergjenkjenning, resonnement, språk eller beslutningstaking.

En multimodal modellarkitektur som lærer delte representasjoner mellom tekst og bilder.

Grenen av AI som trekker ut mening fra bilder og video.

Maksimal mengde input-tokens en språkmodell kan behandle på en gang.

Når en modell genererer flytende, men falsk eller ikke-støttet informasjon.

En språkmodell trent på massive tekstkorpus for å generere og analysere tekst.