["字节大模型 BuboGPT 支持文本、图像、音频三种模态的细粒度多模态联合理解。","BuboGPT 通过引入视觉定位的方法，能够精确定位图中对象的位置。","研究人员使用多模态指令调整的训练方案，使 BuboGPT 在多模态任务上取得良好效果。"]