Chitrarth-1: Ein mehrsprachiger VLM von KruTrim AI Labs

Die KI -Landschaft in Indien entwickelt sich schnell weiter, wobei erhebliche Fortschritte und Innovationen auftauchen. KruTrim Ai Labs, ein Unternehmen der OLA-Gruppe, ist ein wichtiger Akteur in diesem Wachstum und enthüllt kürzlich Chitrarth-1, ein bahnbrechendes Vision-Sprachmodell (VLM). Chitrarth-1 wurde für den vielfältigen sprachlichen und kulturellen Kontext Indiens entwickelt und unterstützt zehn wichtige indische Sprachen und Englisch und befasst sich mit einem kritischen Bedarf an mehrsprachigen KI-Lösungen. Dieser Artikel befasst sich mit Chitrarth-1 und seinen Auswirkungen auf die wachsenden KI-Fähigkeiten Indiens.

Inhaltsverzeichnis

Was ist Chitrarth-1?
Chitrarth-1 Architektur und Spezifikationen
Trainingsdaten und Methodik
• Phase 1: Adapter vor dem Training
  Phase 2: Anweisungsabstimmung
Leistung und Benchmarks
Zugriff auf Chitrarth-1
Chitrarth-1 in Aktion
Schlussfolgerung

Was ist Chitrarth-1?

Chitrarth-1 (kombiniert "Chitra"-Image und "Artha"-Bedeutung) ist ein 7,5-Milliarden-Parameter-VLM, das erweiterte Sprach- und Vision-Verarbeitung integriert. Es wurde gebaut, um Indiens vielfältigen sprachlichen Bedürfnissen zu erfüllen, und unterstützt Hindi, Bengali, Telugu, Tamil, Marathi, Gujarati, Kannada, Malayalam, Odia, Assamese und English. Dieses Modell verkörpert KruTrims Engagement für die Entwicklung von KI "für unser Land, unseres Landes und für unsere Bürger". Die Verwendung eines reichhaltigen, mehrsprachigen Datensatzes minimiert die Verzerrung und gewährleistet eine robuste Leistung für indic -Sprachen und Englisch, wodurch der gerechte KI -Zugriff fördert. Die Forschung zu Chitrarth-1 wird in führenden akademischen Zeitschriften veröffentlicht, einschließlich Neurips und der neunten Konferenz über maschinelle Übersetzung.

Chitrarth-1 Architektur und Spezifikationen

Chitrarth-1 verwendet das KruTRIM-7B LLM als Fundament, das durch einen Sehcodierer basierend auf dem Modell Siglip (Siglip-SO400M-Patch14-384) verbessert wird. Zu den wichtigsten architektonischen Komponenten gehören:

Ein vorgebildeter Siglip Vision-Encoder für die Bildfunktionsextraktion.
Eine trainierbare lineare Mapping -Ebene, um Bildfunktionen in den Token -Raum des LLM zu projizieren.
Feinabstimmung mit Anweisungsverfolgung im Bild-Text-Datensätze für eine verbesserte multimodale Leistung.

Trainingsdaten und Methodik

Chitrarth-1s Training umfasste zwei Phasen mit einem riesigen, mehrsprachigen Datensatz:

Phase 1: Adapter vor der Training

• auf einem vielfältigen Datensatz, das mit einem Open-Source-Modell in mehrere Indic-Sprachen übersetzt wurde.
.
behielt eine ausgewogene Darstellung von Englisch- und Indikationssprachen bei, um eine gerechte Leistung zu gewährleisten.
entwickelt, um Verzerrungen in Richtung einer einzelnen Sprache zu vermeiden und für Effizienz und Robustheit zu optimieren.

Phase 2: Anweisungsabstimmung

fein abgestimmt auf einem komplexen Anweisungsdatensatz, um multimodale Argumentationsfunktionen zu verbessern.
Verwendete ein englischbasiertes Datensatz mit Anweisungsabbau und seine mehrsprachigen Übersetzungen.
enthalten einen Visionsprachdatensatz mit verschiedenen indischen Bildern (Persönlichkeiten, Denkmäler, Kunstwerke, Küche).
integrierte hochwertige proprietäre englische Textdaten für ausgewogene Domänendarstellung.

Leistung und Benchmarks

Chitrarth-1 wurde streng gegen führende VLMs wie IDEFICS 2 (7B) und Palo 7B getestet, wodurch sie an verschiedenen Benchmarks konsequent übertroffen werden und gleichzeitig die Wettbewerbsfähigkeit bei Aufgaben wie TextVQA und Vizwiz aufrechterhalten werden. Es übertrifft auch die Lama 3.2 11b Vision in wichtigen Metriken. KruTrim führte Bharatbench vor, eine neue Bewertungssuite für zehn unterressende Indic-Sprachen in drei Aufgaben, die eine Grundlinie für zukünftige Forschungen festlegte und die Fähigkeit von Chitrarth-1 hervorhebt, diese Sprachen effektiv zu bewältigen. Probe Bharatbench -Ergebnisse sind unten gezeigt:

Language	POPE	LLaVA-Bench	MMVet
Telugu	79.9	54.8	43.76
Hindi	78.68	51.5	38.85
Bengali	83.24	53.7	33.24
Malayalam	85.29	55.5	25.36
Kannada	85.52	58.1	46.19
English	87.63	67.9	30.49

Für weitere Details klicken Sie hier.

Zugriff auf Chitrarth-1

Chitrarth-1 ist zugänglich über:

• Umarmendes Gesicht: direkte Verwendung oder Feinabstimmung. (Klicken Sie hier, um zu besuchen)
• GitHub: (Code im Originalartikel)
• KruTrim Cloud: (Klicken Sie hier, um zu erkunden)

Chitrarth-1 in Aktion

Beispiele für die Funktionen von Chitrarth-1 umfassen Bildanalyse, Bildunterschriftengenerierung und UI/UX-Bildschirmanalyse (Bilder im Originalartikel).

Schlussfolgerung

KruTrim AI Labs, eine Abteilung der OLA -Gruppe, ist bestrebt, die Zukunft des AI -Computing aufzubauen. Mit Chitrarth-1 und anderen Angeboten wie GPU als Service, AI-Studio und vielem mehr stellen sie einen neuen Standard für integrative, kulturell sensible KI fest, die eine gerechtere technologische Landschaft fördert.

Das obige ist der detaillierte Inhalt vonChitrarth-1: Ein mehrsprachiger VLM von KruTrim AI Labs. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!