EXAONE 4.5 技術レポート

要旨

本テクニカルレポートでは、LG AI Researchがリリースした初のオープンウェイト視覚言語モデルであるEXAONE 4.5を紹介する。EXAONE 4.5は、既存のEXAONE 4.0フレームワークに専用の視覚エンコーダを統合することで構築され、視覚モダリティとテキストモダリティの両方にわたるネイティブなマルチモーダル事前学習を可能にしている。本モデルは、特にLGの戦略的応用領域に合致する文書中心のコーパスを重点的に厳選した大規模データで学習されている。この標的型データ設計により、文書理解および関連タスクにおける大幅な性能向上が実現されるとともに、一般的な言語能力においても広範な改善がもたらされている。EXAONE 4.5はコンテキスト長を最大256Kトークンに拡張し、長文コンテキスト推論およびエンタープライズ規模のユースケースを容易にしている。比較評価により、EXAONE 4.5が一般的なベンチマークでは競争力のある性能を達成しつつ、文書理解および韓国語コンテキスト推論において同規模の最先端モデルを凌駕することが実証されている。実用的な産業展開に向けたLGの継続的な取り組みの一環として、EXAONE 4.5は追加ドメインや応用シナリオで継続的に拡張され、より良い生活のためのAIを推進するように設計されている。

English

This technical report introduces EXAONE 4.5, the first open-weight vision language model released by LG AI Research. EXAONE 4.5 is architected by integrating a dedicated visual encoder into the existing EXAONE 4.0 framework, enabling native multimodal pretraining over both visual and textual modalities. The model is trained on large-scale data with careful curation, particularly emphasizing document-centric corpora that align with LG's strategic application domains. This targeted data design enables substantial performance gains in document understanding and related tasks, while also delivering broad improvements across general language capabilities. EXAONE 4.5 extends context length up to 256K tokens, facilitating long-context reasoning and enterprise-scale use cases. Comparative evaluations demonstrate that EXAONE 4.5 achieves competitive performance in general benchmarks while outperforming state-of-the-art models of similar scale in document understanding and Korean contextual reasoning. As part of LG's ongoing effort toward practical industrial deployment, EXAONE 4.5 is designed to be continuously extended with additional domains and application scenarios to advance AI for a better life.

EXAONE 4.5 技術レポート

EXAONE 4.5 Technical Report

要旨

Support