智东西1月3日消息，来自美团、浙大、大连理工的团队推出一款专为移动设备设计的视觉语言助手MobileVLM，相关论文于12月30日发表于arXiv平台。据介绍，这是一种专门针对移动设备运行的多模态视觉语言模型，是无数面向移动的架构设计和技术的融合，其中包括一组从头开始训练的1.4B和2.7B参数规模的语言模型。根据几个典型的VLM基准评估，MobileVLM表现出了与一些更大的模型同等的性能。团队测量了 高通骁龙888 CPU和英伟达Jeston Orin GPU上的推理速度，分别获得了每秒21.5个Token和65.3个Token的最先进性能。

论文地址：arxiv.org/pdf/2312.16886