/ Модель

Характеристики

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

LLaVA-Meta-Llama-3-8B-Instruct

Генерация текстаТекст → текст3 профессии

Мультимодальная модель LLaVA на базе Meta-Llama-3-8B-Instruct для диалогов и ответов на вопросы об изображениях.

98скачиваний за 30 дней12лайковвеса обновлены27 апр 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

MBZUAI/LLaVA-Meta-Llama-3-8B-Instruct — мультимодальная модель семейства LLaVA, разработанная на основе Meta-Llama-3-8B-Instruct. Она предназначена для диалогов и понимания изображений: принимает текстовые запросы вместе с изображениями и формирует текстовые ответы. Репозиторий содержит объединённые веса; при обучении на этапе предварительной настройки обучался только визуально-языковой проектор, а при дообучении LLM использовался LoRA при замороженном визуальном энкодере CLIP.

Модель содержит около 7,5 млрд параметров, использует архитектуру LlavaLlamaForCausalLM и поддерживает контекст до 8192 токенов. Для обучения указаны наборы LCS-558K и LLaVA-Instruct-665K. Доступный формат весов — safetensors. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого фотографии
  • диалог о визуальной сцене
  • анализ изображений по текстовой инструкции

Ограничения

Языки модели в предоставленных сведениях не указаны. Лицензия и ограничения на использование не установлены по доступным данным.

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

CODE

LLaMA-3-V: Extending the Visual Capabilities of LLaVA with Meta-Llama-3-8B-Instruct

Repository Overview

This repository features LLaVA v1.5 trained with the Meta-Llama-3-8B-Instruct LLM. This integration aims to leverage the strengths of both models to offer advanced vision-language understanding.

Training Strategy

  • Pretraining: Only Vision-to-Language projector is trained. The rest of the model is frozen.
  • Fine-tuning: LLM is LoRA fine-tuned. Only the vision-backbone (CLIP) is kept frozen.
  • Note: The repository contains merged weights.

Key Components

Training Data

Download It As

git lfs install
git clone https://huggingface.co/MBZUAI/LLaVA-Meta-Llama-3-8B-Instruct

Contributions

Contributions are welcome! Please 🌟 our repository LLaVA++ if you find this model useful.


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
7491659

0 моделей