书生

关键技术
书生大模型（InternLM系列）的核心技术思路围绕高性能、通用性和易用性展开，打造了一个开放、灵活且高效的大模型生态系统。

• 大规模预训练
  书生大模型采用了自监督学习和迁移学习的方法，在大规模无标签文本数据上进行了预训练。这种大规模预训练能够让模型学习到丰富的语言表示，从而在多种下游任务中表现出色。预训练数据的多样性和规模对于模型性能的提升至关重要。

• 超长上下文
  InternLM2.5支持100万token的超长上下文，并能自主进行互联网搜索及整合上百个网页的信息。对于长文本的搜索分析有着优秀的表现，能够像大海捞针一样精准定位长文本中需要的内容。

• 多模态能力
  书生大模型集合InternImage-G通用视觉大模型和InternVideo2.5长视频理解实现优秀的多模态能力。书生大模型能够识别和理解开放世界中超过350万种语义，覆盖日常生活中常见的物体类别、动作和光学字符等。这种能力使其能够从解决预定义任务扩展到执行开放任务，更接近人类的感知和认知能力。
  书生大模型能够实现从图像到文本的跨模态生成。例如，它可以根据张大千的《湖山清夏图》创作七言绝句，并详细描述创作思路，展现了深厚的文化积累和生成能力。

生态系统
书生大模型构建了丰富的生态系统。书生大模型包含多种系列模型，每个模型负责自己专业的任务，从而构建了从训练到对话、从语言到视频的丰富开源生态。
同时，书生团队也构建了丰富的社区生态，与高校、研究机构、企业等多方合作，共同开展技术研究和应用开发，举办实战营、挑战赛等活动，为广大师生提供了良好的学习平台。