Visual Instruction Tuning

عملية الضبط الدقيق لنموذج متعدد الوسائط على بيانات اتّباع التعليمات التي تتضمن صوراً ونصوصاً، مما يُمكّنه من اتّباع تعليمات مفتوحة حول المحتوى البصري.

Fine-tuning a multimodal model on instruction-following data that includes both images and text, enabling it to follow open-ended instructions about visual content.