- Appleが新しい論文MM1.5を発表し、改良されたモデルファミリーを紹介
- MM1.5はテキスト豊富な画像理解、ビジュアルグラウンディング、マルチ画像推論の能力向上を目指す
- MLLM（Multimodal Large Language Models）がAI研究の焦点に急速になっている
- Appleは4月にMM1を導入し、最大30億パラメータのスイートを提供
- MM1.5はデータ中心のトレーニングアプローチを活用し、モデルをさらに洗練
- MM1.5は幅広いスペクトラムのマルチモーダルタスクで優れた性能を発揮
- 論文MM1.5: Methods, Analysis & Insights from Multimodal LLM Fine-tuningはarXivに掲載
AppleのMM1.5はMM1の成功を基盤にして、テキスト豊富な画像理解やマルチ画像推論の能力向上を目指す改良モデルファミリーを紹介しています。MLLMはAI研究で注目されており、Appleの新たな論文はデータ中心のトレーニングアプローチを活用し、幅広いマルチモーダルタスクで優れた性能を示しています。