摩根大通推出多模态文档理解模型DocLLM
🔍 使用专有的大型语言模型生成合成数据,取得了优异的性能并创造了新的记录
它不仅可以从图片中提取信息并回答问题,还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等,展现出了强大的多模态能力。在性能上接近GPT-4的情况下,LLaVA具有更高的成本效益,训练只需要8个A100即可在1天内完成。
体验地址:https://top.aibase.com/tool/shipinfanyipeiyin
新鲜AI产品点击了解:https://top.aibase.com/