NVLM-D-72BはNVIDIAが開発した大規模多面的言語モデルであり、視覚言語タスクに特化しており、多面的トレーニングによってテキスト性能が向上しています。このモデルは、視覚言語ベンチマークテストにおいて、業界をリードするモデルと同等の成績を収めています。