影像方面，后置1200万超广角+5000万广角+1000万长焦镜头，前置1200万像素镜头。
1B模型将超越70B模型。
研究发现，ChatGPT在辨识疾病之间的已知关系方面表现不佳，例如在一个病例中未能将自闭症与坏血病（维生素C缺乏）联系起来。研究者建议通过专门选择性的培训，使ChatGPT能够更好地利用准确和可信的医学文献，而非依赖互联网上可能包含不准确信息和误导的内容。他们还提出，通过提供更实时的医学数据，模型可以进行“调谐”以提高其准确性。
论文地址:https://arxiv.org/pdf/2401.01792.pdf
该编码器具有多项功能。首先，它能够增强视觉感知能力，通过提供额外的视觉编码器，使MLLM能够更好地理解和分析图像内容。其次，VCoder能够处理特殊类型的图像，例如分割图和深度图。分割图能够帮助模型识别和理解图像中不同物体的边界和形状，而深度图则提供了物体距离相机远近的信息。最后，VCoder改善了对象感知任务的表现。通过提供额外的感知模态输入，如分割图或深度图，它显著提高了MLLM的对象感知能力，包括更准确地识别和计数图像中的对象。