并重点提升细粒度视觉能力，为什么要做Qwen-VL？现有开源LVLM整体性能仍落后于闭源模型， 。
Qwen-VL特点？同规模下领先的视觉语言性能支持中英文等多语言，使LLM具备视觉理解能力。
Introduction主要回答了三个问题，Qwen-VL做了什么？作者基于Qwen-7B，尤其是在Grounding、OCR和文档理解等任务上表现不足。
同时普遍缺乏细粒度视觉理解能力，引入视觉编码器、Position-aware Vision-Language Adapter和三阶段训练流程，。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
