本文へスキップ

NVLM 1.0

NVIDIA ADLR によるマルチモーダル模型の系列

公式サイトを見る
カテゴリ AIモデル

NVLM 1.0 とは

本モデルは NVIDIA ADLR が出したマルチモーダル大規模言語模型の系列と紹介され、重みと学習コードが公開されている。

できること

  • 画像の内容説明を生成する
  • マルチモーダルな任務で指示に従う
  • 文字ラベルに OCR をかける
  • 画像のユーモアの理由を推論する
  • 段階を追う数学の推論を示す

模型について

  • マルチモーダル学習後に文章のみの正答率が上がる
  • 資料は OCRBench と VQAv2 を挙げる
  • 資料は Megatron-Core の学習コードを挙げる

導入の手順

  • サイトから重みと学習コードを取得する
  • 文書で構造と使い方を読む
  • 目的の視覚言語の任務に微調整する
  • Megatron-Core のコードで学習する

長所と短所

✓ 良い点

  • マルチモーダル学習後に文章のみの任務の正答率が上がる
  • 画像に込められたユーモアの理由を推論できる

! 注意したい点

  • 特定の視覚言語の任務には微調整が要る
  • 学習は Megatron-Core のコードに依存

よくある質問

公開元は?

資料は NVIDIA ADLR を挙げる。

何が公開される?

資料は模型の重みと Megatron-Core の学習コードを挙げる。

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