TextHawk: 高効率な多様なモダリティ大規模言語モデルの細粒度知覚の探索

TextHawkは、文書指向タスクに特化した設計により、細粒度な視覚知覚と効率的な情報圧縮を実現し、一般的な多様なモダリティ大規模言語モデルの能力も保持している。