视觉语言模型可以同时从图像和文本中学习，因此可用于视觉问答、图像描述等多种任务。本文，我们将带大家一览视觉语言模型领域：作个概述、了解其工作原理、搞清楚如何找到真命天 “模”、如何对其进行推理以及如何使用最新版的 trl 轻松对其进行微调。

新闻来源：视觉语言模型详解