# 画像-テキスト-テキスト

InternVL2-8B-MPOは、混合選好最適化（MPO）プロセスを導入することで、多様なモダリティ推論能力を強化した多様なモダリティ大規模言語モデル（MLLM）です。自動化された選好データ構築パイプラインを設計し、大規模な多様なモダリティ推論選好データセットであるMMPRを構築しました。InternVL2-8Bを初期化モデルとし、MMPRデータセットを用いてファインチューニングすることで、より強力な多様なモダリティ推論能力と、より少ない幻覚現象を実現しています。MathVistaにおいて67.0％の精度を達成し、InternVL2-8Bを8.7ポイント上回り、10倍規模のInternVL2-76Bに匹敵する性能を示しています。

InternVL2_5-4Bは、高度なマルチモーダル大規模言語モデル（MLLM）です。InternVL 2.0をベースにコアモデルアーキテクチャを維持しつつ、トレーニングとテスト戦略、データ品質を大幅に強化しました。本モデルは、画像、テキスト間変換タスクにおいて優れた性能を発揮し、特にマルチモーダル推論、数学問題解決、OCR、グラフおよび文書理解において顕著な成果を上げています。オープンソースモデルとして、研究者や開発者が視覚と言語に基づくインテリジェントアプリケーションの探求と構築に役立つ強力なツールを提供します。

InternVL 2.5は、高度なマルチモーダル大規模言語モデルシリーズです。InternVL 2.0をベースに、大幅な訓練とテスト戦略の強化、データ品質の向上により、コアモデルアーキテクチャを維持しています。このモデルは、増分事前学習されたInternViTと、InternLM 2.5やQwen 2.5などの様々な事前学習済み大規模言語モデルを統合し、ランダム初期化されたMLPプロジェクターを使用しています。InternVL 2.5は、マルチ画像とビデオデータをサポートし、動的な高解像度訓練方法を備えており、マルチモーダルデータ処理において優れた性能を発揮します。

InternVL2_5-8Bは、OpenGVLabが開発したマルチモーダル大規模言語モデル（MLLM）です。InternVL 2.0をベースに、トレーニングおよびテスト戦略の顕著な強化とデータ品質の向上を実現しました。本モデルは『ViT-MLP-LLM』アーキテクチャを採用し、新たに増分学習されたInternViTと、InternLM 2.5やQwen 2.5などの複数の事前学習済み言語モデルを統合し、ランダム初期化されたMLPプロジェクターを使用しています。InternVL 2.5シリーズモデルは、画像?動画理解、多言語理解など、マルチモーダルタスクにおいて卓越した性能を発揮します。