Nueva tecnología de visión para dispositivos de borde

La empresa de inteligencia artificial ha desarrollado un nuevo modelo de visión y lenguaje llamado LFM2.5-VL-3B, que puede ser ejecutado en hardware propio. Este modelo es capaz de entender documentos y pantallas, detectar objetos y llamar a herramientas.

Entre los logros de LFM2.5-VL-3B se encuentran cuatro mejoras principales: comprensión de pantallas y interfaces de usuario, detección de objetos y asociación con lenguaje natural, procesamiento de múltiples imágenes y llamada a funciones. El modelo ha sido entrenado con un conjunto de datos que incluye 34 billones de tokens y una variedad de fuentes de visión y lenguaje.

“Estos modelos tienen el potencial de ser utilizados en una variedad de aplicaciones, desde la automatización de tareas hasta la creación de interfaces de usuario más intuitivas”

El entrenamiento de LFM2.5-VL-3B se llevó a cabo en dos etapas: una de ajuste fino supervisado y otra de aprendizaje de refuerzo múltiple. Los resultados de las pruebas muestran que LFM2.5-VL-3B lidera su categoría en tareas de visión y lenguaje, incluyendo comprensión de documentos, detección de objetos y seguimiento de instrucciones.

En términos de contexto, LFM2.5-VL-3B es parte de una tendencia en la inteligencia artificial hacia el desarrollo de modelos que pueden procesar y entender tanto el lenguaje como la visión. Estos modelos tienen el potencial de ser utilizados en una variedad de aplicaciones, desde la automatización de tareas hasta la creación de interfaces de usuario más intuitivas. La capacidad de LFM2.5-VL-3B para ser ejecutado en hardware propio también lo hace más accesible para una variedad de usuarios y aplicaciones.

En resumen, LFM2.5-VL-3B es un modelo de visión y lenguaje avanzado que ha demostrado un rendimiento líder en su categoría. Su capacidad para entender y procesar tanto el lenguaje como la visión lo hace un herramienta valiosa para una variedad de aplicaciones y usuarios.