I

Internvl3 2B Instruct

由OpenGVLab開發
InternVL3-2B-Instruct是基於InternVL3-2B的監督微調版本,經過原生多模態預訓練和SFT處理,具備強大的多模態感知和推理能力。
下載量 1,345
發布時間 : 4/16/2025

模型概述

InternVL3-2B-Instruct是一個先進的多模態大語言模型,展示了卓越的多模態感知和推理能力,支持工具使用、GUI代理、工業圖像分析、3D視覺感知等多種任務。

模型特點

原生多模態預訓練
將語言和視覺學習整合到一個預訓練階段,增強多模態處理能力。
可變視覺位置編碼(V2PE)
使用更小、更靈活的位置增量,提升長上下文理解能力。
動態分辨率策略
將圖像劃分為448×448像素的塊,支持多圖像和視頻數據。
監督微調
使用高質量和多樣化的訓練數據,擴展了工具使用、3D場景理解等多種任務。

模型能力

多模態推理
OCR識別
圖表理解
文檔理解
多圖像理解
視頻理解
GUI定位
空間推理
多語言理解

使用案例

工業圖像分析
缺陷檢測
識別工業圖像中的缺陷和異常。
提高檢測準確率和效率。
3D視覺感知
3D場景理解
分析和理解3D場景中的物體和關係。
增強3D場景的語義理解能力。
GUI操作
自動化測試
自動識別和操作GUI元素。
提高GUI測試的自動化水平。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase