الأسئلة والأجوبة متعددة الوسائط

محول الرؤية واللغة (VLT)

بنية محول مدربة مسبقًا على مجموعات كبيرة من الصور والنصوص المقترنة، مصممة لمهام الفهم والتوليد متعددة الأنماط.

← رجوع