CogVLM2: modelos de lenguaje visual multimodales avanzados para una mejor comprensión de imágenes y videos, y una base temporal en aplicaciones de código abierto
Los modelos de lenguaje de gran tamaño (LLM), inicialmente limitados al procesamiento basado en texto, enfrentaron desafíos significativos en la comprensión de datos visuales. Esta limitación condujo al desarrollo de…