АМАЛИЯ-ВЛ: Модель перспектив и языков коренных европейских португалоязычных стран с открытым исходным источником

arXiv:2606.19100v4 Видеотип: заменить резюме: крупные модели зрения и языка (LLMVS) быстро развиваются, однако европейские португальские (pt-PT) попрежнему систематически не пользуются существующими моделями мультимодальных перевозок с открытыми исходными кодами, которые либо соединяют их с бразильскими португалцами, либо сильно недопредставляют его в своих учебных наборах данных. Мы представляем AMALIA-VL, первую открытую инструкцию LVLM с открытым исходным кодом, построенную для Pt-PT, которая сочетает в себе высокоразрешимый энкодер зрения с динамическим картингом изображения и полностью открытой языковой моделью PT-PH-оптимизированной с помощью обученного соединителя. Мы вносим свой вклад посредством целенаправленного трехэтапного процесса подготовки кадров - согласования языка зрения, общего визуального инструктажа и оптимизации преференций - наряду с созданием системы мультимодальных данных ПТ-ПТ, сочетающей кулинарные и переведенные публичные наборы данных с новыми наборами данных, которые касаются почти полного отсутствия европейских ресурсов смешанных перевозок. Наша оценка показывает, что АМАЛИА-ВЛ создает прочную базу