Гемамба: LLM с видеоэнкодером от TensorSense на базе Мамбы

Команда TensorSense выпустила Гемамбу мультимодальную языковую модель (VLM) с видеоэнкодером на базе Мамбы.
Ключевые особенности Гемамбы:
- Уникальный дизайн архитектуры, созданный командой TensorSense
- Возможность загружать очень длинные видео при небольших вычислительных ресурсах
- Открывает дверь для применения ЛЛМ в компьютерном зрении с бОльшей скоростью.
это первая альфа-версия, представляющая больше интерес для исследователей.
Код для обучения и оценки модели доступен в GitHub.

Интересный релиз. Следим.

#TensorSense #Gemamba #VLM
-------
@tsingular