#multimodal-ai

The Decoder·5月24日 21:28 UTC

字节研究发现问答优于转录训练长文档

字节跳动 Seed 和香港科技大学的研究人员报告称，做长文档理解训练时，多模态模型从问答监督中学到的效果明显优于纯文本转录。基于这一方法，他们在阿里巴巴开源的 Qwen2.5-VL 上构建了 MMProLong，并称其表现超过了更大的开源模型。