[目的]本文旨在总结开源多模态大语言模型(Multimodal Large Language Model，MLLM)的最新进展，探索其在新闻领域的落地实践。[方法]首先，笔者介绍了MLLM的研究背景，对典型的开源和闭源模型在不同测试基准上的表现进行了对比，然后解析了模型架构，包括其组成部分和工作原理，接着探讨了训练策略以及所需要的数据，最后展望了应用场景和研究方向。[结果/结论]通过本文的分析，可以了解到开源MLLM在赶超闭源商业模型上的潜力和发展方向，以及在新闻领域广阔的应用前景，同时为采编业务全流程提供强大的语言理解和生成能力，未来可以结合实际场景开展相关技术的落地实践。
国家科技期刊平台
NSTL
万方数据
