近些年，多模态大语言模型（MLLMs）在视觉问答、推理以及 OCR 等任务上取得了显著的成功。然而，早期的 MLLMs 通常采用固定的分辨率（例如 LLaVA-v1.5 将输入图像缩放为），对于输入图像为高分辨率图像（例如 8K ...

国际电信联盟电信标准分局（ITU-T）日前正式发布ITU-T F.748.43 Framework and requirements for the foundation model platform（基础模型平台参考框架和技术要求）、ITU-T F ...