北大最新多模态大模型开源：混合数据集训练，图像视频任务直接用

一个北大投稿发送至凹非寺量子位公众号 QbitAI 训完 130 亿参数通用视觉语言大模型，只需 3 天！北大和中山大学团队又出招了——在最新研究中，研究团队提出了一种构建统一的图片和视频表征的框架。利用这种框架，可以大大减少 VLM（视觉语言大模型）在训练和推理过程中的开销。具体而言，团队