多模态大模型（LMMs）与大语言模型（LLMs）的比较

已于 2025-02-26 23:32:06 修改
阅读量1w 收藏 38
点赞数 26
分类专栏： 大模型理论和实战 文章标签： 人工智能 语言模型
于 2024-03-18 00:30:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zengzizi/article/details/136721890
版权

大家好，我是大 F，深耕AI算法十年，互联网大厂技术岗。分享AI算法干货、技术心得。

欢迎关注《大模型理论和实战》、《DeepSeek技术解析和实战》，一起探索技术的无限可能！

前言

现在的大模型分为两大类：大语言模型（Large Language Models，简称LLMs）和多模态大模型（Large Multimodal Models，简称LMMs）。本文将从基础定义、输入数据、应用场景、训练过程这几方面讨论下两者的区别。

基础定义

  1. LLMs (Large Language Models, 大型语言模型) - 深度学习的应用之一，是基于深度学习的大规模机器学习模型，通常由数十亿到数万亿个参数构成，专门设计用于处理自然语言处理任
了解本专栏 订阅专栏 解锁全文 超级会员免费看
多模态大模型：技术原理与实战 国内外多模态大模型对比
AI大模型应用之禅
05-26 553
1. 背景介绍 随着人工智能技术的不断发展，多模态大模型已经成为近几年来最热门的研究方向之一。在大规模的数据集上训练的多模态大模型可以将多种不同类型的数据，如图像、文本、音频等进行融合，并在各种应用场景下取得了令人瞩目的成绩。本文将深入探讨多模态大模型的技术原理、实际应用场景以及未来发展趋势。 2. 核心
一文看懂：多模态大模型（LMMs）与大语言模型（LLMs）的比较
大F子的智能小课
03-19 95
在人工智能领域，大模型的发展日新月异，如今主要分为两大类：大语言模型（Large Language Models，简称LLMs）和多模态大模型（Large Multimodal Models，简称LMMs）。LLMs专注于处理文本数据，在自然语言处理任务中表现出色；而LMMs则能够处理多种类型的数据，如文本、图像、音频和视频等，为更广泛的应用场景提供了可能。本文将从基础定义、输入数据、应用场景、训练过程等方面深入探讨两者的区别，帮助读者更好地理解这两种模型的特点和应用价值。
大模型语言模型（LLM）和大型多模态语言模型（LMM）有什么区别？
Java癫疯的博客
10-08 1384
大模型语言模型（LLM）和大型多模态语言模型（LMM）有什么区别？
一文说清楚什么是多模态大模型，与大模型有什么区别
2401_85325726的博客
01-13 5469
多模态大模型（LMMs）是能够理解和处理各种输入形式的 AI 模型。这些输入包括各种“模态”，如图像、视频和音频。模态是 AI 模型的数据。LMMs 模仿了人类与世界互动的方式。一个多模态系统可以在多种模态下生成输入和处理输出。例如，Gemini，由google开发的一个语言模型，可以通过将其训练过程整合不同类型的数据（如文本、视频和音频）来在多种模态下生成输入和处理输出，从而以多模态的方式理解和生成内容。假设你有一个超级聪明的机器人助手，它是一个多模态大模型。
一篇文章带你全面了解多模态大模型！【多模态综述】
m0_63171455的博客
03-06 1603
多模态大型语言模型（Multimodal Large Language Models， MLLM）的出现是建立在大型语言模型（Large Language Models， LLM）和大型视觉模型（Large Vision Models， LVM）领域不断突破的基础上的。随着 LLM 在语言理解和推理能力上的逐步增强，指令微调、上下文学习和思维链工具的应用愈加广泛。然而，尽管 LLM 在处理语言任务时表现出色，但在感知和理解图像等视觉信息方面仍然存在明显的短板。
大模型 VS 大语言模型
cancer_s的博客
11-19 2459
最近很多朋友搞不懂大模型和大预言模型的区别，总是把大模型就认为是大语言模型。今天就用这篇帖子做一个科普。
多模态大模型：技术原理与实战 多模态大模型对比
AI大模型应用之禅
07-07 1079
模态特征提取：利用特定的模态特征提取器（如卷积神经网络CNN、循环神经网络RNN、Transformer等）从原始模态数据中提取有意义的特征。模态融合：通过模态融合层将不同模态的特征整合在一起，形成统一的表示空间。常见的融合方法包括加权平均、注意力机制、交叉注意力、模态嵌入等。模态推理：在融合后的特征上进行推理，这一步可以是分类、回归或其他类型的预测任务。常用的方法有全连接层、注意力机制、决策树、随机森林等。决策输出：基于模态推理的结果作出最终决策或输出预测值。
AI 大模型 | LLM 大型语言模型 VS 多模态模型
xxue345678的博客
05-15 2170
随着人工智能技术的迅速发展，AI 大模型已成为当前研究的热点。其中，大型语言模型（LLM）和多模态模型（MMM）是最受关注的两种模型。它们各有优势，并在不同领域展现出强大的潜力，本文将探讨大型语言模型与多模态模型的特点、应用场景以及未来发展趋势！
使用 ollama 部署本地模型，零基础入门到精通，非常详细收藏我这一篇就够了
m0_65555479的博客
08-15 2920
在本地启动并运行大型语言模型。运行Llama 2，Code Llama和其他模型。自定义并创建您自己的。
多模态大模型对比：DeepSeek、ChatGPT、豆包、Kimi、腾讯元宝的异同点及DeepSeek的优势分析
最新发布
专注于编程、AI、人工智能等多个领域内容研究和分析
03-20 1427
DeepSeek由深度求索公司开发，专注于多模态大模型的研究与应用，支持文本、图像、语音等多种数据类型的处理。以高效、精准、低成本为核心优势，广泛应用于教育、医疗、金融等领域。ChatGPT由OpenAI开发，基于GPT系列模型，以强大的文本生成和对话能力著称。主要应用于聊天机器人、内容创作、代码生成等场景。豆包由国内某科技公司开发，专注于中文语境下的自然语言处理，擅长中文文本生成和情感分析。主要应用于社交媒体、电商客服等领域。Kimi。
多模态大语言模型的对比
wm199的博客
12-04 1587
常见的多模态视觉问答模型
LEGEN平台：大型语言与多模态模型支持的人体化代理开放开发环境
12-02
内容概要：本文介绍了LEGEN（LEGENT Open Platform for Embodied Agents），这是一个开源平台，旨在促进基于大型语言模型（LLMs）和大型多模态模型（LMMs）的人体化代理的发展。LEGEN提供了一个互动的3D环境和友好的...
多模态大模型评估新纪元:lmms-eval框架引领行业标准
步子哥的博客
07-27 490
在人工智能研究不断突破的今天,多模态大模型正引领着一场技术革命。然而,如何准确评估这些复杂模型的性能,成为了学术界和产业界共同面临的一大挑战。近日,一款名为lmms-eval的开源评估框架应运而生,有望为多模态模型评测树立新的行业标准。
多模态和多模态大模型 (LMM)
m0_70839135的博客
08-12 1801
想象一个机器，它的工作就是从一堆预先设定的选项中，选择一个最合适的类别。但这种方法只在选项有限的情况下才行得通。之前的很多模型都受到这样的限制。比如，的模型只能在 1,000 个类别中选择，而JFT-300M的选择则为 18,291 个类别。这种方法的缺陷是，模型可能会受到类别的限制而无法给出丰富的回答，还限制了其零样本学习的能力。比方说，如果训练它只认识 10 种类别，那么当出现 100 种类别时，它就不知所措了。CLIP 已经发布 3 年了，而 Flamingo 也有将近 2 年。
python中item和items函数的用法
12-08
在Python中，`item`和`items`通常用于字典（dictionary）对象，用于访问和操作字典中的键值对。以下是它们的用法和区别： 1. **`items()` 方法**： - `items()` 方法返回一个包含字典中所有键值对的视图对象。这个视图对象会随着字典的变化而变化。 - 返回的视图对象包含的是键值对的元组。 ```python # 示例代码 my_dict = {'a': 1, 'b': 2, 'c': 3} items = my_dict.items() print(items) # 输出: dict_items([('a', 1), ('b', 2), ('c', 3)]) # 遍历字典的键值对 for key, value in my_dict.items(): print(f'Key: {key}, Value: {value}') ``` 2. **`item` 方法**： - `item` 不是Python字典的内置方法。通常情况下，`item` 是指单个键值对，而不是一个方法。 - 如果你在某些代码中看到 `item`，它可能是指字典中的某个特定的键值对，而不是一个方法。 ```python # 示例代码 my_dict = {'a': 1, 'b': 2, 'c': 3} for item in my_dict.items(): print(f'Item: {item}') ``` 在这个例子中，`item` 实际上是一个元组，包含一个键值对。 总结： - `items()` 是字典的一个方法，用于获取所有的键值对。 - `item` 通常不是一个方法，而是指字典中的单个键值对。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大F的智能小课

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值