關鍵詞：
微软
Phi-3-vision
5 月 28 日消息，微軟在 Build 2024 大會上發布了 Phi-3 家族的最新成員--Phi-3-vision，主打“視覺能力”，能夠理解圖文內容，同時據稱可以在移動平臺上流暢高效運行。
Phi-3-vision 是一款多模態小型語言模型（SLM），主要用于本地 AI 場景，該模型參數量為 42 億，上下文長度為 128k token，能夠為常規視覺推理任務和其他任務提供支持。
那么 Phi-3-vision 有多厲害？微軟今天發布了新的論文 [PDF]，表示該 SLM 和 Claude 3-haiku、Gemini 1.0 Pro 等其他模型不相上下。
微軟在論文中對比了 ScienceQA、MathVista 和 ChartQA 等模型，Phi-3-vision 的參數雖然不多，但性能非常優秀。
據此前報道，微軟提供了 Phi-3-vision 相較于字節跳動 Llama3-Llava-Next（8B）、微軟研究院和威斯康星大學、哥倫比亞大學合作的 LlaVA-1.6（7B）、阿里巴巴通義千問 QWEN-VL-Chat 模型等競品模型的比較圖表，其中顯示 Phi-3-vision 模型在多個項目上表現優異。
本站內容除特別聲明的原創文章之外，轉載內容只為傳遞更多信息，并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如涉及作品內容、版權和其它問題，請及時通過電子郵件或電話通知我們，以便迅速采取適當措施，避免給雙方造成不必要的經濟損失。聯系電話：010-82306118；郵箱：aet@chinaaet.com。