（示意圖/取自pixabay）

根據 Arxiv 頁面顯示，Meta 近日發表論文，介紹旗下自研的混合模態基座模型Chameleon。

Meta表示，Chameleon有助於生成交錯的文本和圖像序列並進行推理，從而實現全面的多模式文檔建模。

與傳統模型不同，Chameleon採用了統一的架構，通過對圖像進行類似文本的標記化處理，對兩種模式一視同仁。

這種方法被稱為早期融合，可以實現跨模態的無縫推理，但也帶來了優化方面的挑戰。

為了解決這些問題，研究人員提出了架構改進和訓練技術，通過調整轉換器架構和微調策略。

本文為品玩授權刊登，原文標題為「Meta 發佈混合模態基座模型Chameleon，挑戰 GPT-4o」