MLLM 还有哪些别名？

MLLM 也被称为：Multimodal Large Language Model。

MLLM 最近有什么新动态？

traeai 已收录 2 篇与 MLLM 相关的内容。最新一篇是「字节开源统一框架Bernini：给DiT配个“大模型军师”，AI视频编辑先理解再动手」，由量子位发布。

模型

什么是 MLLM？

也叫：Multimodal Large Language Model

多模态大语言模型，能够理解文本、图像和视频等多种输入形式。

为什么现在值得关注？

如果只读 3 篇

字节开源统一框架Bernini：给DiT配个“大模型军师”，AI视频编辑先理解再动手

量子位 · 8.7 分

Multimodal evaluators: MLLM-as-a-judge for image-to-text tasks in Strands Evals

AWS Machine Learning Blog · 8.5 分

📰 MLLM 最新动态

已收录 2 篇与「MLLM」相关的 AI 资讯和分析。

字节开源统一框架Bernini：给DiT配个“大模型军师”，AI视频编辑先理解再动手

ByteDance Open-Sources Unified Framework Bernini: Giving DiT a 'Large Model Strategist', AI Video Editing Understands First, Then Acts

量子位6月2日3715 字 (约 15 分钟)

ByteDance open-sources Bernini, a unified framework for video generation and editing that uses a multimodal large model (MLLM) to understand semantic instructions first, then delegates high-quality rendering to a DiT diffusion model, enabling a paradigm shift from 'listening to prompts' to 'understanding before acting' in AI video creation, supporting controllable editing and reference-based generation.

入选理由：Bernini采用MLLM-based planner + DiT-based renderer双阶段架构，实现语义理解与视觉生成的解耦。

FeaturedArticle#AI Video Generation#Video Editing#Bernini#DiT#Multimodal Large Model中文

Multimodal Evaluators: MLLM-as-a-Judge for Image-to-Text Tasks in Strands Evals

AWS Machine Learning Blog5月21日2366 字 (约 10 分钟)

AWS announced four new multimodal evaluators (Overall Quality, Correctness, Faithfulness, Instruction Following) using MLLM-as-a-Judge approach, evaluating whether model responses align with image content by providing source data directly to the model, effectively detecting visual hallucinations and factual errors.

入选理由：Gartner预测到2030年，80%的企业软件将采用多模态技术，比2024年不足10%大幅增长，凸显自动化多模态评估的重要性。

FeaturedArticle#AWS#Multimodal Evaluation#Strands Evals#MLLM-as-a-Judge#Image Understanding英文

与「MLLM」经常一起出现的 AI 术语。

Bernini 字节跳动 DiT Strands Evals Amazon Bedrock Gartner AWS

💡 想追踪「MLLM」的长期趋势？去实体雷达 · MLLM 查看详细分析和跨材料问答。