Oryx

Oryx是由清华大学、腾讯和南洋理工大学联合研发的多模态大型语言模型（MLLM），具备处理视觉数据的核心创新能力，包括预训练的OryxViT模型和动态压缩模块。OryxViT能够将任意分辨率的图像转化为适合LLM的视觉表示，而动态压缩模块可根据任务需求在1到16倍范围内压缩视觉标记，从而实现灵活处理各种分辨率和时长的视觉输入。Oryx在多个视觉-语言基准测试中表现出色，尤其在空间和时间理解方面具有显著优势。