Hugging Face 发布 Idefics2：8B 视觉语言模型

Hugging Face 发布了 Idefics2，一个 8B 参数的开源视觉语言模型（VLM），能够处理图像和文本输入并生成文本输出。该模型基于 Mistral 7B 架构，并整合了 SigLIP 视觉编码器，在多个视觉语言基准测试中表现出色，包括文档理解、图表解读和视觉问答等任务。Idefics2 采用 Apache 2.0 许可证，完全开源，支持商业使用。Hugging Face 还提供了模型权重、推理代码和微调教程，方便开发者集成和定制。