/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,7 ГБ
Лицензия
Apache 2.0
Архитектура
llava_llama · dense
Опубликована
26 мая 2024

open-llava-next-llama3-8b

Генерация текстаТекст → текст3 профессии

Открытый мультимодальный чат-бот LLaVA на базе LLaMA 3, который отвечает на текстовые вопросы об изображениях.

87скачиваний за 30 дней26лайковвеса обновлены27 мая 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

open-llava-next-llama3-8b — открытый мультимодальный чат-бот Lin-Chen на архитектуре LLaVA с языковой частью LLaMA 3 8B и визуальным энкодером CLIP-L-336. Модель дообучена целиком на открытых данных Open-LLaVA-Next-mix1M, включая ShareGPT4V Mix665K, инструкции ALLaVA и наборы визуальных вопросов и ответов. Обучение завершено в мае 2024 года.

Модель принимает изображения и текстовые запросы, а отвечает текстом. Она предназначена для диалога о содержимом изображений, визуальных вопросов и ответов и исследований мультимодальных чат-ботов; в README приведены результаты на нескольких тестах визуального понимания. Размер — 7,5 млрд параметров, контекст — 8192 токена. Лицензия — Apache-2.0.

Карточка ориентирует модель на исследователей и энтузиастов компьютерного зрения, NLP и машинного обучения. Заявленные данные и описание не устанавливают конкретные языки поддержки или гарантии качества в прикладных сценариях; ответы могут содержать ошибки визуального распознавания или интерпретации.

Сценарии применения

  • ответы на вопросы о содержимом фотографии
  • описание изображений в диалоге
  • визуальные вопросы и ответы по иллюстрациям
  • исследование мультимодальных чат-ботов

Ограничения

Языки обучения и поддержки в предоставленной карточке не перечислены. Модель может ошибаться при распознавании и интерпретации изображений; результаты на тестах не гарантируют качество для каждого прикладного сценария.

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

open-llava-next-llama3-8b Model Card

Model details

Model type: open-llava-next-llama3-8b is an open-source implementation chatbot trained by fine-tuning the entire model on open-source Open-LLaVA-Next-mix1M data.

Model date: open-llava-next-llama3-8b was trained in May 2024.

Paper or resources for more information: [Code]

NameViTLLMWeightsMMESEEDSQAMMBMMB-CNTextVQAGQA
llava-next-vicuna-7bCLIP-L-336Vicuna-7BHF151970.270.167.460.664.964.2
open-llava-next-vicuna-7bCLIP-L-336Vicuna-7BHF154071.170.768.560.767.264.3
open-llava-next-llama3-8bCLIP-L-336LLaMA3-8BHF155274.477.374.470.469.865.9

Usage

You can utilize this model as we provide in our [repository]. Moreover, you can direct load this model and use it in the [LLaVA repository].

Training dataset

All training data are open-sourced in our repository.

Intended use

Primary intended uses: The primary use of open-llava-next-llama3-8b is research on large multimodal models and chatbots.

Primary intended users: The primary intended users of the model are researchers and hobbyists in computer vision, natural language processing, machine learning, and artificial intelligence.

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
5f9e681

0 моделей