MiniCPM-Llama3-V-2_5 微调记录

说起端侧多模态大模型，MiniCPM-V系列绝对是个绕不开的名字。这个系列专门为图文理解设计，既能看懂图像，也能处理文本，输出高质量的答案。而最新成员MiniCPM-V-2.6，更是把性能又往上推了一个台阶——总参数量只有8B，却在单图、多图甚至视频理解上全面超越了GPT-4V。是的，你没看错，一个8B参数的模型，干翻了千亿级的对手。

在单图理解这个基础任务上，它同样交出了亮眼的成绩单。无论是细粒度识别还是复杂场景推理，都能稳扎稳打。这不难理解，毕竟团队在端侧部署和模型压缩上积累了大量经验，把大模型的能力塞进小参数里，还能保持这样的精度，确实有两把刷子。

如果你对具体细节感兴趣，可以直接去GitHub看源码和模型：https://github.com/OpenBMB/MiniCPM-V