跳到正文

ml-ferret

在多模态环境中精准引用与定位

访问官网
分类 AI模型

ml-ferret 是什么

ml-ferret 被介绍为一个端到端的多模态语言模型,能接受各种形式的引用并做出精准定位。

你可以用它做什么

  • 接受多种形式的引用
  • 在多模态环境中定位区域
  • 处理细粒度与开放词汇的表述
  • 用 Ferret-Bench 评估结果

模型说明

  • 使用混合区域表示
  • 使用空间感知的视觉采样器
  • GRIT 数据集约有 110 万个样本

优点与缺点

✓ 我们认可的地方

  • GRIT 数据集约有 110 万个样本
  • Ferret-Bench 提供多模态评估基准

! 需要留意的地方

  • 资料描述的模型为端到端结构
  • 定位结果取决于所给的引用形式

常见问题

除模型外还包含什么?

资料列出约 110 万个样本的 GRIT 数据集和 Ferret-Bench 评估基准。

点名了哪些组件?

资料列出混合区域表示和空间感知的视觉采样器。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法