GPT4V大模型输入模式简单介绍
来源:畅游网 时间:2024-05-12 12:48:44

GPT-4V输入模式是怎样的?目前GPT-4终于开放了多模态(视觉模态),简称GPT-4V,很多人对这个大模型的能力非常感兴趣,下面小编带来了GPT-4V输入模式说明,各位朋友们一起来看看吧。

1.GPT-4V的输入模式有三种:纯文本、文本-图像对(文本可为空)、文本与图像交错。

2.这样说比较官方,简单来说,就是输入可以是文本与图像的随意混合,可以在一段文本的多处地方插入多张图片(另外,GPT-4的可输入长度还是很长的),非常自由。

2.作为对比,很多“分开训练,然后对齐”的多模态模型,包括一些真的只能称作ChatGPT+的模型往往对图像的输入都有很多限制,例如图像只能放在输入的开头、一轮交互只能输入一张图像等。

3.这样一对比,“通用性和灵活性”都很清晰了。