数据邪修大法好:仅用文本数据就能预训练多模态大模型 (opens in a new tab)没有图片,也能预训练多模态大模型?在多模态大模型(MLLM)的研发中,行业内长期遵循着一个昂贵的共识:没有图文对(Image-Text Pairs),就没有多模态能力。