懂AI
NVLM-D-72B

NVLM-D-72B

开源前沿级多模态大语言模型 实现视觉语言任务的最新突破

NVLM-D-72B是一款开源的多模态大语言模型，在视觉语言任务上表现卓越，达到了与顶级专有和开源模型相当的水平。该模型不仅擅长视觉语言任务，在多模态训练后其纯文本处理能力也有所提升。NVLM-D-72B可执行光学字符识别、多模态推理、定位、常识推理等多种任务，为AI研究社区提供了强大的开源多模态能力。

模型人工智能Github大语言模型视觉语言开源项目HuggingfaceNVLM多模态
访问官网GitHubHugging Face论文文档

NVLM-D-72B项目介绍

项目概述

NVLM-D-72B是英伟达公司开发的一款前沿级多模态大语言模型(LLM)。它是NVLM 1.0模型家族中的一员,采用仅解码器架构,具有720亿参数规模。该模型在视觉-语言任务上达到了最先进的性能,能够与领先的专有模型(如GPT-4)和开源模型(如Llama 3-V 405B和InternVL 2)相媲美。

模型特点

  • 多模态能力:可以同时处理文本和图像输入,执行包括光学字符识别、多模态推理、定位、常识推理、世界知识利用和编码在内的各种任务。

  • 大规模参数:拥有720亿参数,属于超大规模语言模型。

  • 开源可用:模型权重和代码已在Hugging Face上开源,供社区使用。

  • 性能卓越:在多项视觉-语言基准测试中表现出色,如MMMU、MathVista、OCRBench等。

  • 文本能力增强:经过多模态训练后,模型在纯文本任务上的表现反而有所提升。

技术细节

  • 网络架构:仅解码器的Transformer架构

  • 输入:支持文本和图像输入,最大token长度为128K

  • 输出:生成文本输出

  • 运行环境:支持PyTorch,推荐在NVIDIA Hopper架构GPU上运行

  • 开源许可:采用CC-BY-NC-4.0许可

使用方法

  1. 准备环境:可使用提供的Dockerfile构建运行环境

  2. 加载模型:

    model = AutoModel.from_pretrained("nvidia/NVLM-D-72B")

  3. 多GPU加载:提供了将模型分布在多个GPU上的示例代码

  4. 推理:

    • 支持纯文本对话
    • 支持单图像单轮对话
    • 提供了图像预处理和模型输入的详细示例代码

性能评测

  • 在多项视觉-语言基准测试中表现优异,如MMMU、MathVista、OCRBench等

  • 在纯文本任务上也有出色表现,如MMLU、GSM8K、MATH、HumanEval等

总结

NVLM-D-72B是一个强大的开源多模态大语言模型,在视觉-语言和纯文本任务上都展现出卓越性能。它的开源为学术研究和应用开发提供了宝贵的资源,有望推动多模态AI技术的进一步发展。

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

下拉加载更多