Visual Salamandra 发布：将 7B 多语言 LLM 扩展至图像与视频

Language Technologies Lab 发布 Visual Salamandra，将 Salamandra Instructed 7B 大语言模型扩展至图像和视频多模态任务，集成 Google SigLIP-So400m 编码器与 2 层 MLP 投影器，采用四阶段训练，使用 610 万条指令微调样本（含 84.2 万条纯文本）。