Florence-2-large ist ein von Microsoft entwickeltes fortschrittliches visuelles Basismodell, das einen promptbasierten Ansatz zur Bearbeitung einer breiten Palette von visuellen und visuell-sprachlichen Aufgaben verwendet. Das Modell kann einfache Textprompts interpretieren, um Aufgaben wie Bildbeschreibung, Objekterkennung und -segmentierung auszuführen. Es nutzt den FLD-5B-Datensatz mit 5,4 Milliarden Bildern und 5,4 Milliarden annotierten Daten und beherrscht Multitask-Learning. Seine Sequenz-zu-Sequenz-Architektur ermöglicht hervorragende Leistungen sowohl in Zero-Shot- als auch in Fine-Tuning-Einstellungen und erweist sich als wettbewerbsfähiges visuelles Basismodell.