OFA：构建 One-For-All 统一多模态预训练模型

Qwen 团队提出 OFA（One-For-All），一个统一理解与生成任务的统一多模态预训练模型，采用基于指令的多任务预训练，并开源了预训练和微调模型。OFA 统一了模态、架构和任务，用 VQ token 表示图像、用 bins 离散化边界框，预训练涵盖 8 个任务，包括视觉定位、图像描述、VQA、图文匹配、检测、图像补全和文本补全。