【苹果推出300亿参数多模态AI大模型MM1.5】苹果公司在10月13日发布了一款名为MM1.5的多模态AI大模型，该模型拥有300亿参数，是基于前代MM1架构发展而来。MM1.5在数据驱动的训练原则下，着重研究不同训练周期中混合数据对模型性能的影响，并在Hugging Face平台上发布了相关模型文档。此模型具备图像识别和自然语言推理能力，提供从10亿到300亿参数规模的选择。苹果团队通过改进数据混合策略，显著提升了模型在多文本图像理解、视觉引用与定位以及多图像推理等方面的性能。特别地，MM1.5模型在持续预训练阶段引入高质量的OCR数据和合成图像描述，增强了对包含大量文本的图像的理解。此外，通过优化视觉指令微调数据的混合方式，即使是小规模模型也能展现出出色性能，实现了更高的效率。苹果还推出了专门用于视频理解和移动设备用户界面（UI）处理的MM1.5-Video和MM1.5-UI模型，后者有望成为iOS系统背后的AI核心，增强对UI的理解与交互能力。尽管MM1.5在多项基准测试中表现出色，苹果团队仍致力于通过融合更多元的数据和复杂架构，进一步提升模型的移动设备UI理解能力，以实现更强的AI性能。