Hugging Face 推出 NVLM 1.0，这是一系列前沿的多模态大型语言模型

这篇文章介绍了英伟达发布的 NVLM 1.0，这是一系列前沿的多模态大型语言模型 (LLM)，在视觉语言任务上取得了最先进的结果，可与领先的专有模型（例如 GPT-4o）和开放访问模型（例如 Llama 3-V 405B 和 InternVL 2）相媲美。文章详细介绍了 NVLM-D-72B（仅解码器架构）的模型权重、代码、环境准备、模型加载、多 GPU 使用以及推理过程等内容。