Meta正式发布并开源了Llama 3系列模型，本次发布了8B和70B的预训练及指令微调语言模型。这个模型发布后，国内大模型收费的念头基本可以断绝了；楼主亲测，在 华为笔记本上（11th Gen Intel(R) Core(TM) i5-1135G7 @ 2.40GHz 2.
这个想法是将 GPT-4 等大型语言模型 的强大功能与 CLIP 等视觉编码器相结合，创建一个经过端到端训练的神经助手，可以理解多模态指令并根据多模态指令采取行动。对于输入图像 Xv，它考虑预先训练的 CLIP 视觉编码器 ViT-L/14 ，它提供视觉特征 Zv = g。
