跳到正文

InternVL2_5-1B

面向图像、视频与文本的多模态模型

访问官网

InternVL2_5-1B 是什么

该模型被介绍为 InternVL 2.5 系列的多模态大型语言模型,采用动态高分辨率训练方法,以增强处理多图像和视频数据的能力。

上手流程

  • 安装 torch 与 transformers 等库
  • 用 AutoModel.from_pretrained 加载模型
  • 准备图像和文本输入并预处理图像

优点与缺点

✓ 我们认可的地方

  • 资料描述随机 JPEG 压缩与损失重新加权以提升噪声图像鲁棒性
  • 数据过滤管道移除低质量样本

! 需要留意的地方

  • 所述配置依托 ViT-MLP-LLM 组件链
  • 推理前需准备图像和文本输入

常见问题

点名了哪些语言模型?

资料列出 InternLM 2.5 和 Qwen 2.5 作为预训练语言模型。

动态高分辨率训练带来什么?

资料说明它增强了对多图像和视频数据的处理能力。

最后评测: 2026-11-15

更多 AI 编程工具 工具

查看全部 →

评测方法