Мультимодальные LLM работают с изображениями через визуальные токены — патчи, сжимаемые...
Мультимодальные LLM работают с изображениями через визуальные токены — патчи, сжимаемые и обрабатываемые энкодером. Разбираем, как это устроено, и что нового в GPT-6 Astra и «токенном налоге» Гейтса.
14 просмотров