微软研究人员展示了LLaVA-Med模型，该模型主要用于生物医学方面的研究，可根据CT、X光图片等推测出患者的病理状况 … 微软使用 GPT-4，基于 Vision Transformer 和 Vicuna 语言模型，在八个英伟达 A100 GPU 上对 LLaVA-Med 进行训练，其中包含「每个图像的所有预分析信息」，用于生成有关图像的问答，以满足「可自然语言回答有关生物医学图像问题」的助手愿景 … 该模型最终具有「出色的多模式对话能力」、「在用于回答视觉问题的三个标准生物医学数据集上，LLaVA-Med 在部分指标上领先于业界其他先进模型」。