Multimodal
Modelo capaz de procesar varios tipos de datos: texto, imagen, audio o vídeo.
Explicación completa
Un modelo multimodal comparte una representación interna común para distintas modalidades, lo que le permite, por ejemplo, describir una foto, leer un gráfico o transcribir audio dentro de la misma conversación.
Ejemplo
Subir la foto de una factura y pedir que extraiga los importes.
Última actualización:
Términos relacionados
LLM (Large Language Model)
Modelo de lenguaje de gran tamaño entrenado con billones de palabras.
Transformer
Arquitectura de red neuronal basada en atención, base de los LLM modernos.
Modelo open source
Modelo cuyos pesos se publican y pueden ejecutarse libremente.
Benchmark
Prueba estandarizada para comparar modelos.