Nvidia 是人工智能行业最抢手的 GPU制造商之一，该公司宣布已发布一个开源大型语言模型，据报道其性能可与OpenAI、Anthropic、Meta和谷歌等领先的专有模型相媲美。
该公司在最近发布的白皮书中介绍了其新的 NVLM 1.0 系列，其中最引人瞩目的是拥有 720 亿个参数的 NVLM-D-72B 模型。研究人员写道：“我们推出了 NVLM 1.0，这是一系列前沿级多模态大型语言模型，在视觉语言任务上取得了最先进的成果，可与领先的专有模型（例如 GPT-4o）和开放访问模型相媲美。”
据报道，新模型系列已经具备“生产级多模态性”的能力，在各种视觉和语言任务中均表现出色，此外，与 NVLM 系列所基于的基础 LLM 相比，基于文本的响应也得到了改进。研究人员解释说：“为了实现这一点，我们精心设计并集成了一个高质量的纯文本数据集，将其与大量多模态数学和推理数据一起整合到多模态训练中，从而增强了跨模态的数学和编码能力。”
最终，法学硕士课程不仅能轻松解释某个表情包为何有趣，还能逐步解答复杂的数学方程式。得益于多模态训练风格，Nvidia 还成功将该模型的纯文本准确率在常见行业基准测试中平均提高了 4.3 个百分点。
Nvidia 似乎非常重视确保该模型符合开放源代码倡议对“开源”的最新定义，不仅将其训练权重开放供公众审查，还承诺在不久的将来发布该模型的源代码。这与OpenAI和谷歌等竞争对手的做法截然不同，后者对其 LLM 权重和源代码的细节严加保密。通过这样做，Nvidia 将 NVLM 系列定位为不一定直接与ChatGPT-4o和Gemini 1.5 Pro竞争，而是作为第三方开发人员构建自己的聊天机器人和 AI 应用程序的基础。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/nvidia-gang-gang-fa-bu-le-yi-kuan-kai-yuan-llm-yu-gpt4-jing
