苹果公司现已为旗下多模态大模型 MM推出1.5版本，该版本模型基于前代 MM1 的架构，继续延续数据驱动的训练原则，重点研究在不同训练周期中混合不同类型数据对模型性能的影响。

　　目前相关模型文档已发布于 Hugging Face 上，附论文地址如下。

　　参考论文，团队在 MM1.5 的持续预训练阶段引入了高质量的 OCR 数据和合成图像描述，显著提升了模型对包含大量文本的图像的理解能力。

　　此外，研究人员在监督式微调阶段分析了不同数据类型对模型表现的影响，优化了值得关注的是，苹果公司本次还推出了专门用于理解的 MM1.5-Video 模型和专门处理移动设备用户界面理解的 MM1.5-UI 模型，其中 MM1.5-UI 模型未来有望作为iOS幕后的“苹果牌”AI，其能够处理各种尽管 MM1.5 模型在多项基准测试中取得了优秀表现，苹果团队仍计划通过进一步融合文本、图像和用户交互数据，设计更复杂的架构，来提升模型对移动设备 UI 的理解能力，加强“苹果牌”AI的实力。