Microsoft Mage

Microsoft Research phát triển Mage nhằm hỗ trợ thử nghiệm đa phương thức hiệu quả. Nhóm tập trung vào mô hình hóa nhận biết codec, hệ thống tạo sinh gọn nhẹ và công thức huấn luyện có thể tái lập, giúp các nhà nghiên cứu và nhóm kỹ thuật nhanh chóng thử nghiệm, cải tiến.

Microsoft Mage là dòng mô hình đa phương thức gọn nhẹ, định hướng nghiên cứu, được xây dựng quanh quy mô 4B tham số. Dòng mô hình này kết hợp các bộ mã hóa thị giác–ngôn ngữ xử lý video nén theo cách tối ưu cho codec, một hệ thống tạo sinh ở độ phân giải gốc và các chính sách kết hợp GUI với mã lệnh. Dự án chú trọng các quy trình huấn luyện có thể tái lập, hệ thống suy luận gọn nhẹ (Mage-VL, Mage-Flow, Mage-VL-Cowork) và những lựa chọn kỹ thuật giúp phân bổ năng lực biểu diễn cho các phương thức giàu thông tin. Trên thực tế, Mage hướng đến việc giúp nhà nghiên cứu và kỹ sư thực hiện thí nghiệm đa phương thức với tài nguyên tính toán khiêm tốn, thử nghiệm lặp lại các tác vụ chỉnh sửa và hiểu nội dung ở độ phân giải điểm ảnh gốc, đồng thời tạo mẫu các chính sách tự động hóa kết hợp thao tác nhấp chuột với mã lệnh. Bản phát hành bao gồm các checkpoint mô hình, bộ công cụ huấn luyện và lộ trình học được thiết kế để thúc đẩy nghiên cứu có thể tái lập mà không mặc định mục tiêu triển khai trong môi trường sản xuất.