摘要我们介绍了MM1.5，一个新的多模态大型语言模型(MLLM)家族，旨在增强在富文本图像理解、视觉参照和定位以及多图像推理方面的能力。在MM1架构的基础上，MM1.5采用以数据为中心的模型训练方法，系统地探索了整个模型训练生命周期中各种数据混合的影响。这包括用于持续预