ACL 2024｜多模态大语言模型最新综述及学习指南
ACL 2024｜多模态大语言模型最新综述及学习指南
多模态大语言模型（MM-LLMs）在过去一年中取得了显著进展，通过低成本的训练策略，将现成的大语言模型（LLMs）扩展为支持多模态输入或输出的模型。本文提供了对MM-LLMs的全面综述，涵盖了模型架构的设计、训练流程，以及最新的研究进展和未来的发展方向。研究表明，MM-LLMs不仅保留了LLMs的推理和决策能力，还能够在多种多模态任务中表现出色。
多模态大语言模型面临的挑战
MM-LLMs主要面临以下挑战：
- 模态间的对齐问题：如何有效地连接LLMs与其他模态的模型，实现多模态协同推理。
- 高计算成本：随着模型和数据集规模的扩大，传统多模态模型的训练成本显著增加。
- 多模态理解和生成：如何增强模型的多模态理解和生成能力，特别是在模态转换和人类意图对齐方面。
多模态大语言模型发展现状
如图1所示， 自2022年以来，MM-LLMs迅速发展，出现了多种支持不同模态组合的模型，如图像-文本、视频-文本和音频-文本等。GPT-4和Gemini等模型的推出进一步推动了该领域的发展。
根据功能和设计，MM-LLMs可以分为多模态理解模型和多模态生成模型。前者侧重于对多模态输入的理解和推理，后者则扩展了支持特定模态输出的能力。此外，还可以根据模型是否通过工具使用或是否为端到端训练进行分类。
MM-LLM 的通用模型架构以及每个组件的实现选择如图2所示。
- 代表性模型：包括Flamingo、BLIP-2、LLaVA、MiniGPT-4、InstructBLIP等，这些模型在不同的多模态任务中展现了卓越的性能。
表1中给出了43个主流多模态大语言模型的总结。
多模态大语言模型的未来研究方向
- 扩展模态：未来MM-LLMs将扩展至更多模态，如网页、热图和图表，以提升模型的通用性和适应性。
- 提升生成能力：加强MM-LLMs的生成能力，探索基于检索的方法以补充生成过程，提升模型的整体性能。
- 轻量化部署：开发适合资源受限平台的轻量级模型，实现高效计算和推理。
- 持续学习：在不频繁重新训练的情况下，通过持续学习使模型灵活应对新数据和新任务。
- 解决幻觉问题：研究如何减少模型生成的错误描述，增强输出的准确性和可信度。
- 偏见与伦理考虑：确保模型应用的安全性和有效性，开发新基准评估模型的偏见，并设计更精细的对齐方法以减少偏见输出。
大模型AI学习计划
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。