ऐनीGPT एक एकीकृत बहुविध मोडल वाला बड़ा भाषा मॉडल है जो विभिन्न मोडल जैसे भाषण, पाठ, चित्र और संगीत को एकीकृत प्रक्रिया के लिए असतत निरूपण का उपयोग करता है। ऐनीGPT वर्तमान बड़े भाषा मॉडल आर्किटेक्चर या प्रशिक्षण प्रतिमान को बदले बिना स्थिर प्रशिक्षण कर सकता है। यह पूरी तरह से डेटा-स्तर पूर्व-प्रसंस्करण पर निर्भर करता है, जिससे भाषा मॉडल में नई विधाओं का निर्बाध एकीकरण होता है, जैसे कि किसी नई भाषा के जुड़ने जैसा। हमने एक पाठ-केंद्रित बहुविध डेटासेट बनाया है जो बहुविध संरेखण पूर्व-प्रशिक्षण के लिए उपयोग किया जाता है। जनरेटिव मॉडल का उपयोग करके, हमने पहला बड़ा पैमाने पर मनमाना-से-मनमाना बहुविध निर्देश डेटासेट संश्लेषित किया है। इसमें 10.8 लाख बहु-चरण संवाद उदाहरण शामिल हैं जिनमें कई विधाएँ आपस में जुड़ी हुई हैं, जिससे मॉडल मनमाने संयोजन के बहुविध इनपुट और आउटपुट को संभाल सकता है। प्रयोगात्मक परिणाम दर्शाते हैं कि ऐनीGPT मनमाना-से-मनमाना बहुविध संवाद को बढ़ावा दे सकता है, साथ ही सभी विधाओं में विशेष मॉडल के बराबर प्रदर्शन प्राप्त कर सकता है, जो यह सिद्ध करता है कि असतत निरूपण भाषा मॉडल में कई विधाओं को कुशलतापूर्वक और आसानी से एकीकृत कर सकता है।