本文へスキップ

ml-ferret

さまざまな入力で参照を正確に位置づける

公式サイトを見る
カテゴリ AIモデル

ml-ferret とは

本モデルは端から端までの多モーダル言語モデルと紹介され、さまざまな形の参照を受けて正確な位置づけを行うと説明されている。

できること

  • いくつもの形の参照を受け取る
  • 多モーダルの場で領域を位置づける
  • 細かい粒度と開いた語彙を扱う
  • Ferret-Bench で結果を評価する

モデルについて

  • 混成の領域表現を用いる
  • 空間を意識した視覚の抽出器を用いる
  • GRIT 資料集は約 110 万件

長所と短所

✓ 良い点

  • GRIT 資料集は約 110 万件と記される
  • Ferret-Bench が多モーダル評価の物差しに挙がる

! 注意したい点

  • 資料のモデルは端から端までの造り
  • 位置づけは与えられた参照に結びつく

よくある質問

モデル以外に何が含まれる?

資料は約 110 万件の GRIT 資料集と Ferret-Bench を挙げる。

どの部品が挙がる?

資料は混成の領域表現と空間を意識した視覚の抽出器を挙げる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法