Multimodale Grundmodelle
Große Modelle für mehrere Datenarten zugleich.
Multimodale Grundmodelle sind große, breit vortrainierte Modelle, die Text, Bild, Ton und teils Video gemeinsam verarbeiten. Sie bilden die Grundlage vielseitiger Assistenten, die etwa ein Foto beschreiben, aus einer Grafik lesen oder auf gesprochene Sprache reagieren können.