/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
14,1 ГБ
Лицензия
Llama 2
Архитектура
llava_llama · dense
Базовая модель
vicuna-7b-v1.5
Опубликована
29 июн 2026

ATOMIC-LLaVA

Генерация текстаТекст → текст3 профессии

Специализированная визуально-языковая модель для ответов на вопросы и анализа изображений просвечивающей электронной микроскопии.

20скачиваний за 30 дней0лайковвеса обновлены27 июл 2026

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

ATOMIC-LLaVA — специализированная модель «зрение—язык» для анализа изображений просвечивающей электронной микроскопии (TEM). Разработана авторами исследования ATOMIC и дообучена в два этапа на базе LLaVA-v1.5-7B с Vicuna-v1.5-7B. В метаданных указано 6,6 млрд параметров, архитектура LLaVA на базе LLaMA и контекст 4096 токенов.

Модель предназначена для ответов на вопросы об изображениях TEM и работы с научными микрофотографиями в материаловедении. Для обучения использованы TEM-фрагменты из журналов Nature Portfolio; README также сообщает о парах для выравнивания и диалогах для настройки инструкций. Модель принимает изображение и текст, выдаёт текст; в карточке заявлен английский язык. Для запуска требуется репозиторий LLaVA: напрямую загрузить модель через Transformers нельзя. Лицензия — Llama 2.

Сценарии применения

  • ответы на вопросы по TEM-микрофотографиям
  • описание структуры материалов на изображениях TEM
  • анализ научных изображений для материаловедения

Ограничения

Для инференса требуется репозиторий LLaVA; напрямую загрузить модель через Transformers нельзя. Специализация на TEM ограничивает применимость за пределами научных микроскопических изображений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ATOMIC-LLaVA

ATOMIC-LLaVA is a domain-specific Vision-Language Model for Transmission Electron Microscopy (TEM), fine-tuned from LLaVA-v1.5-7B (Vicuna-v1.5-7B) using a two-stage training pipeline on 32,564 TEM subfigures collected from Nature portfolio journals.

This model is introduced in the ECCV 2026 paper:

ATOMIC: A Domain-Specific Vision-Language Model for Transmission Electron Microscopy

For code, evaluation scripts, and dataset, please refer to our GitHub repository: 👉 https://github.com/SemiMIRTLab/ATOMIC


Model Details

Base ModelLLaVA-v1.5-7B (Vicuna-v1.5-7B)
Training StageStage 1 (alignment) + Stage 2 (instruction tuning)
Training Data120K Stage 1 pairs + 60K Stage 2 conversations
DomainTransmission Electron Microscopy (TEM)
ModalitiesCTEM, HR-TEM, STEM, Diffraction

Important: Inference Requirements

ATOMIC-LLaVA is built on LLaVA and cannot be loaded directly via transformers. Inference requires the LLaVA repository.

Step 1 — Clone LLaVA:

git clone https://github.com/haotian-liu/LLaVA.git
cd LLaVA
pip install -e .

Step 2 — Download weights:

from huggingface_hub import snapshot_download
snapshot_download(repo_id="LabSmart/ATOMIC-LLaVA", local_dir="./ATOMIC-LLaVA")

Step 3 — Run inference using our evaluation scripts:

Please refer to evaluation/ in our GitHub repository for inference and evaluation scripts.


Training Data

Training data is available on HuggingFace: 👉 https://huggingface.co/datasets/LabSmart/ATOMIC_dataset


Citation

@inproceedings{atomic2026eccv,
  title     = {ATOMIC: A Domain-Specific Vision-Language Model
               for Transmission Electron Microscopy},
  author    = {Tu, C. and Hsu, Shu-han and others},
  booktitle = {Proceedings of ECCV 2026},
  year      = {2026},
  note      = {BibTeX will be updated upon publication}
}

License

This model is released under the LLaMA 2 Community License. It is intended for academic research purposes only and may not be used for commercial purposes.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура llava_llama неизвестна transformers в образе рантайма.

Класс архитектуры
LlavaLlamaForCausalLM
Ревизия весов
bcd0911

0 моделей