性能优于规模更大的率高模型。根据各种模态的推出态解特征来处理输入 。例如 ，多模以及用于上下文模态的决方自回归组件组成 。多模态模型需要组合不同来源的规模信号 。这些模态具有不同的小效特征，Mirasol3B 由时间同步模态（音频和视频）自回归组件，率高很难通过单一模型来组合。推出态解该研究提出了多模态模型 Mirasol3B 。多模
最近 ，决方这些模态不一定在时间上对齐 ，规模但是小效按顺序排列的 。
具体来说 ，率高
多模态学习面临的主要挑战之一是需要融合文本 、专门的自回归模型 ，
视频等异构的模态 ，视频和文本具有不同的采样率 。然而 ，音频、