microsoft/Phi-4-reasoning-vision-15B
멀티모달 이미지-텍스트 생성 및 시각적 추론15B16K 컨텍스트mit
Phi-4 언어 모델의 강력한 추론 능력을 시각 영역으로 확장하여 복잡한 이미지 분석과 GUI 제어를 수행하는 멀티모달 모델입니다.
핵심 포인트
- <think> 태그를 통한 단계별 시각적 추론(CoT)
- 최대 3,600개의 비주얼 토큰을 활용한 고해상도 이미지 이해
- GUI 요소 인식 및 컴퓨터 사용 에이전트(CUA) 기능
- 수학 및 과학 도표 분석(MathVista 75.2%)
150
LIKES
19.7k
DOWNLOADS
0 / 0
조회수
관련 토론
아직 관련 토론이 없습니다.
댓글
댓글을 작성하려면 로그인이 필요합니다.
