NVIDIA推全新視覺語音模型NVEagle，可以看圖聊天

根據NVIDIA官方消息，NVIDIA聯合 Georgia Tech、UMD 和 HKPU 的研究團隊推出了全新的視覺語言模型NVEagle。

據悉，NVEagle 能夠理解複雜的現實場景，通過視覺輸入進行更好的解讀和回應，它的設計核心在於將圖像轉化為視覺標記，再與文本嵌入相結合，進而提升了對視覺資訊的理解。

NVEagle包括了三個版本：Eagle-X5-7B、Eagle-X5-13B 以及 Eagle-X5-13B-Chat；其中，7B 和 13B 版本主要用於一般的視覺語言任務，而13B-Chat 版本則專門針對對話式 AI 進行了微調，能夠更好地進行基於視覺輸入的互動。

NVEagle 的一個亮點在於採用了混合專家（MoE）機制，能夠根據不同任務動態選擇最合適的視覺編碼器，這極大提升了對複雜視覺信息的處理能力，該模型已在 Hugging Face 上發表，方便研究人員和開發者使用。