多模态领域近年发展迅速，本文整理了近20篇相关研究，提供全面的基底模型概览。这些模型从语言到多模态感知、行动和世界建模的融合，为人工智能通向通用智能迈进。Gemini、Fuyu-8BPaLI-3、GPT-4等模型展现了在各自领域的创新成果。

VSurvey等研究强调了从专业助手向通用助手的转变，而VPGTrans、PaLM-E等模型在多模态应用中表现突出。研究发现，MLLM通过跨模态知识转移，提升了性能。Raven IQ测试数据集被用于评估模型的非语言推理能力。

BLIP-2、VIMA、MineDojo等模型在特定任务上取得了显著进步。DaVinci、MetaLMBEI-3等进一步推动了多模态技术的边界。这些工作共同构建了多模态基底模型领域的丰富图景。

总结，多模态基底模型的探索与实践，不仅推动了AI技术的多样化发展，也为构建更加智能、适应性强的系统提供了理论基础与实践指南。未来，随着技术的不断进步，多模态基底模型将在更广泛的应用场景中发挥关键作用。