SAIL-VL2 – 字节抖音联合国立大学开源的视觉语言模型

SAIL-VL2是什么SAIL-VL2 是抖音团队和新加坡国立大学联合开发的开源视觉语言基础模型，专注于多模态理解和推理。由视觉编码器 SAIL-ViT、视觉-语言适配器和大语言模型组成，采用渐进式训