便利なビッグモデル - CloudWalk Technologyが発表したマルチモーダルAIモデル

Rongdaモデルとは何ですか？

Congrong Big Modelは、CloudWalk Technologyが開発したマルチモーダルAIモデルです。OpenCompassマルチモーダルベンチマークにおいて80.7というスコアを獲得し、GoogleやOpenAIといった大手チームを凌駕しました。汎用的な視覚言語理解と推論タスクに特化し、マルチモーダルアライメント、人間のような意思決定、効率的なエンジニアリング最適化、ネイティブマルチモーダル推論といったコア技術のブレークスルーに基づき、世界をリードする技術的障壁を構築しています。Congrong Big Modelは、医療、数理論理学、アートデザインなど、複数の分野で優れた性能を発揮し、金融、製造、政府機関などで大規模な導入を実現し、インテリジェントな変革に貢献しています。

大規模モデルの主な機能

• 視覚知覚と認知的理解認知理解のための視覚情報（画像や動画など）の処理をサポートし、医療や芸術デザインなどの分野で特に優れた性能を発揮し、複雑な視覚シーンを理解することができる。
• クロスドメインアプリケーション数学的論理学、医療、芸術・デザインなど、複数の専門分野において、優れた理解力と推論能力を発揮する。
• 複雑なシーンにおけるテキスト認識OCRbenchなどの複雑なシナリオにおけるテキスト認識を可能にし、高解像度の画像や文書（契約書、請求書など）の処理をサポートし、インテリジェントなレビュー、インテリジェントな解析、インテリジェントな質問応答などのタスクをサポートします。
• オープン ドメインの質問オープンドメインの質問応答（MMVetなど）において非常に優れた性能を発揮し、正確かつ詳細な回答を提供します。

Rongdaモデルの技術的原理

• マルチモーダルアライメント我々は、様々なタスクシナリオを網羅する高品質なベンチマークデータセットを構築し、強化学習指示の整合に基づいて、マルチモーダルデータに対するモデルの理解力と推論能力を向上させます。DPOとGRPOの手法を統合することで、モデルの学習メカニズムを最適化し、報酬モデルに頼ることなく、人間のような思考と推論を実現し、より人間らしい意思決定と推論を可能にします。
• 高効率エンジニアリング最適化高解像度画像およびマルチモーダル文書の理解タスクにおいて、本モデルの画像エンコーダは、高解像度画像と複雑な文書を効率的に処理できるよう構造的に最適化されています。また、本モデルのコンテキストモデリング機能は、長文テキスト内の論理的な関係性を正確に追跡できるよう最適化されており、ページをまたいだ文書分析や複数ターンの対話といったタスクをサポートします。
• ネイティブなマルチモーダル推論モデルアーキテクチャをアップグレードし、テキストとグラフのインターレースモードおよびネイティブビデオモードによるマルチグラフおよびクロスグラフのシナリオに対応できるようにすることで、クロスグラフ比較、テキストとグラフの組み合わせ推論、マルチグラフ質問応答などの複雑なマルチモーダルタスクを可能にします。

Rongdaモデルの応用シナリオ

• 財務リスク管理銀行と協力して、AIを活用したリスク管理システムを構築し、リスクの特定を自動化して苦情件数を削減する。
• インテリジェントな顧客サービス電子商取引プラットフォーム向けにインテリジェントな顧客サービスプラットフォームを導入し、質疑応答の精度と顧客サービスの効率性を向上させる。
• 医療保健医療画像を処理することで、医師の診断を支援し、診断の精度と効率を向上させる。
• 政府関係政府文書を処理して、インテリジェントな審査と質疑応答を実現し、公共サービスを最適化する。
• 製造製品品質試験において、生産効率と製品品質の向上を目的として使用されます。