Google 发布 PaliGemma 视觉模型用于微调

Google 发布了 PaliGemma 模型系列，这是一系列开源的视觉语言模型，专为微调而非通用聊天机器人使用而设计。这些模型结合了 Google 的 SigLIP 视觉编码器和 Gemma 语言解码器，有多种尺寸可供选择，参数量高达 270 亿。PaliGemma 针对单轮任务进行了优化，旨在通过微调适应特定应用，如视觉问答或光学字符识别，并可通过 Hugging Face Transformers 库进行集成。 AI

影响 为专业视觉语言任务提供可适应的基础模型，可能加速 OCR 和 VQA 等领域的发展。

排序理由 Frontier-lab 模型发布，附带系统卡。[lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

• Gemma
• Gemma 2
• Gemma 2B
• Hugging Face Transformers
• PaliGemma
• PaliGemma 2
• SigLIP

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →