NCsoft(036570)4日公开了具备强大韩语性能的中小型开源视觉语言模型(VLM)“VARCO-VISION”以及5种韩语多模态基准。
VLM是能够同时利用文本(自然语言)和图像进行理解与处理的人工智能(AI)模型。近来随着模态(信息类型)扩展研究受到重视而备受关注。但目前以开源形式公开的大多数VLM以英语、中文等为基础。支持韩语的模型屈指可数,国内企业不得不依赖GPT或Claude等大型科技企业的应用程序编程接口(API),存在局限。
NCsoft公开的VARCO-VISION是能够理解韩语、英语提示词及图像输入值的中小型模型。它还具备与大语言模型(LLM)相近水平的语言能力,在应用程序中仅凭VARCO-VISION单一模型即可处理图像·文本任务与纯文本任务。
NCsoft评价称,VARCO-VISION尤其在韩语识别与推理方面,在同等规模模型中表现最为优秀。利用VARCO-VISION,可借助图像识别与问答、图像描述、文字识别(OCR)、物体位置检测(grounding)功能开发多样的多模态AI服务。
内容制作企业可自动生成图像详细说明,大幅缩短内容制作时间。借助图像内文字识别功能,还可更快地收集更多资料。该多模态AI模型也将应用于NCsoft正在开发的“VARCO Studio”。
NCsoft还公开了5种基准(比较指标),以助力韩语AI模型研究的发展。要评估语言模型的性能,需要作为能力判定基准点的基准。韩语几乎没有多模态基准,难以进行正确的性能评估。
公司以英美圈具有代表性的3种选择题基准(MMBench、SEED-Bench、MMStar)和1种基准(LLaVA-in-the-Wild)为基础,构建了4种新的韩语基准。此外还增加了可验证对韩语文档、表格、图表理解能力的“K-DTCBench”1种基准。
NC研究本部长李妍秀表示,“通过公开VARCO-VISION与5种韩语基准,证明了我们在多模态AI领域的领先地位”,“今后将把VLM的结合领域扩大到音频、视频,并强化内容制作支持功能,提升性能以便在各类产业中加以应用”。






