关键词: token,AI,mPLUG-DocOwl 2,多模态大模型,DocOwl 2,模型训练

高效多页文档理解，阿里通义实验室mPLUG团队拿下新SOTA。

关键词: 多模态大模型,mPLUG-Owl3,AI,阿里大模型

4秒看完2小时电影，阿里团队新成果正式亮相——

关键词: Mobile-Agent-v2,多模态,智能体,mPLUG

今年年初发布的Mobile-Agent凭借强大的自动化手机操作能力，引起了AI界和手机厂商的广泛关注，仅5个月的时间就已在Github上收获了2,000个Star。

关键词: 阿里7B,多模态,大模型,mPLUG-DocOwl 1.5

多模态文档理解能力新SOTA！阿里mPLUG团队发布最新开源工作mPLUG-DocOwl 1.5，针对高分辨率图片文字识别、通用文档结构理解、指令遵循、外部知识引入四大挑战，提出了一系列解决方案。

关键词: mPLUG-Owl,MLLM,SOTA

OpenAI GPT-4V 和 Google Gemini 都展现了非常强的多模态理解能力，推动了多模态大模型（MLLM）快速发展，MLLM 成为了现在业界最热的研究方向。