/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
16,7 ГБ
Лицензия
Apache 2.0
Архитектура
parrot_qwen2 · MoE
Библиотека
transformers
Опубликована
1 авг 2024

Parrot-7B

Генерация текстаТекст → текст7 профессий

Parrot-7B — мультиязычная MoE-модель для диалога и ответов на вопросы по изображениям на основе Qwen-1.5-7B-Chat.

60скачиваний за 30 дней5лайковвеса обновлены21 ноя 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Parrot-7B — мультиязычная мультимодальная языковая модель, разработанная авторами проекта Parrot. Она использует текстовые инструкции для выравнивания визуальных токенов на уровне языка и архитектуру Mixture-of-Experts для согласования визуальной информации с языковыми представлениями. Модель дообучена методом supervised fine-tuning на базе Qwen-1.5-7B-Chat и использует визуальный энкодер CLIP-ViT-Large-patch14-336; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов.

Модель предназначена для диалоговых сценариев с изображениями и мультиязычных вопросов и ответов по визуальному содержимому. В README описан мультиязычный бенчмарк MMMB: 6 языков, 15 категорий и 12 000 вопросов. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0. Авторы отмечают, что не могут гарантировать полное отсутствие проблемного или нарушающего авторские права контента.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • диалог с текстовыми инструкциями и изображениями
  • мультиязычный визуальный вопросно-ответный поиск
  • описание и анализ изображений в чате

Ограничения

Авторы не гарантируют полного отсутствия проблемного контента или возможных нарушений авторских прав. README заявляет поддержку шести языков, но не перечисляет их; метаданные карточки указывают английский.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Parrot-7B

Introduction

Welcome to Parrot, a novel method that utilizes textual guidance to drive visual token alignment at the language level. Parrot makes the visual tokens condition on diverse language inputs and uses Mixture-of-Experts (MoE) to promote the alignment of multilingual tokens. Moreover, considering the current lack of benchmarks for evaluating multilingual capabilities within the field, we collect and make available a Massive Multilingual Multimodal Benchmark which includes 6 languages, 15 categories, and 12,000 questions, named as MMMB. For a comprehensive introduction, please refer to Parrot Paper and Parrot GitHub.

Model

Parrot is a multilingual multimodal large language model. We provide our fully finetuned models below:

ModelBase LLMVision EncoderStageDownload
Parrot-7BQwen-1.5-7B-ChatCLIP-ViT-Large-patch14-336SFTckpt
Parrot-14BQwen-1.5-14B-ChatCLIP-ViT-Large-patch14-336SFTckpt

Performance

Quick Start

We provide a quick start demo in Parrot GitHub, which can be used as a template to run Parrot for inference.

  1. Before running the demo, please make sure you download the Parrot checkpoint and the Clip checkpoint.
  2. Second, you should replace the paths in the runner.py.
  3. Finally, run the python file in your system.

Citation

If you find Parrot useful, please cite the paper

@article{sun2024parrot,
  title={Parrot: Multilingual Visual Instruction Tuning},
  author={Sun, Hai-Long and Zhou, Da-Wei and Li, Yang and Lu, Shiyin and Yi, Chao and Chen, Qing-Guo and Xu, Zhao and Luo, Weihua and Zhang, Kaifu and Zhan, De-Chuan and others},
  journal={arXiv preprint arXiv:2406.02539},
  year={2024}
}

License

The project is licensed under Apache License Version 2.0 and is restricted to uses that comply with the license agreements of Qwen and Clip.

Disclaimer

We used compliance-checking algorithms during the training process, to ensure the compliance of the trained model to the best of our ability. Due to the complexity of the data and the diversity of language model usage scenarios, we cannot guarantee that the model is completely free of copyright issues or improper content. If you believe anything infringes on your rights or generates improper content, please contact us, and we will promptly address the matter.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура parrot_qwen2 неизвестна transformers в образе рантайма.

Класс архитектуры
ParrotQwen2ForCausalLM
Ревизия весов
f1f977d

0 моделей