- 文章标题：Generative Multimodal Models are In-Context Learners
- 文章地址：https://arxiv.org/abs/2312.13286
- CVPR 2024
相对于上一个版本Emu，这个版本的改进主要有：模型结构的改进（去掉了Causal Transformer）；训练数据（增加了一些grounded图像文本对数据）；针对不同任务，使用不同数据二次训练了不同版本的模型（Emu2-Chat关注对话，Emu2-Gen关注可控图像生成）
- 数据：同Emu外，增加了另外的grounded数据以及针对特定任务的数据(Chat Gen)
- 指标：不同模型有不同的指标
- 硬件：未提及
- 开源：https://github.com/baaivision/Emu