/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Размер весов
27,1 ГБ
Опубликована
26 мар 2024

MGM-13B-HD

Генерация текстаТекст → текст3 профессии

MGM-13B-HD — мультимодальный чат-бот на базе Vicuna-13B-v1.5 для диалога и понимания изображений высокого разрешения.

86скачиваний за 30 дней12лайковвеса обновлены21 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

MGM-13B-HD — открытый мультимодальный чат-бот семейства MGM, разработанный путём дообучения Vicuna-13B-v1.5 на наборе мультимодальных инструкций MGM-Instruction. Это плотная языковая модель с архитектурой MiniGeminiLlamaForCausalLM и примерно 12,9 млрд параметров; версия HD предназначена для понимания изображений высокого разрешения. Модель принимает текстовые запросы и изображения и формирует текстовые ответы, поддерживая диалог, визуальное понимание и рассуждение по изображениям.

Модель подходит для исследовательских и любительских экспериментов с мультимодальными чат-ботами, вопросов по изображениям и анализа визуального содержимого. Контекст составляет 4096 токенов. В карточке не приведены сведения о поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы о содержимом изображений
  • описание изображений высокого разрешения
  • визуальные рассуждения по изображению
  • исследование мультимодальных чат-ботов

Ограничения

Карточка не сообщает результатов сравнительных оценок качества или перечня поддерживаемых языков. Сведения о лицензии в предоставленных данных отсутствуют.

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

MGM-13B-HD Model Card

Model details

The framework supports a series of dense and MoE Large Language Models (LLMs) from 2B to 34B with HD image understanding, reasoning, and generation simultaneously.

Normal resolution setting: MGM-2B, MGM-7B, MGM-13B, MGM-8x7B, MGM-34B

High resolution setting: MGM-7B-HD, MGM-8x7B-HD, MGM-34B-HD

Model type: MGM is an open-source chatbot trained by fine-tuning LLaMA/Vicuna on GPT-generated multimodal instruction-following data.

It empowers existing frameworks to support HD image understanding, reasoning, and generation simultaneously.

Model version: MGM HD Version with LLM Vicuna-13B-v1.5

Model date: MGM-13B-HD was trained on 03/2024.

License

Llama 2 is licensed under the LLAMA 2 Community License, Copyright (c) Meta Platforms, Inc. All Rights Reserved.

Where to send questions or comments about the model: https://github.com/dvlab-research/MGM/issues

Intended use

Primary intended uses: The primary use 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.

Training data

This model is trained based on MGM-Instruction dataset, please to the Github for more detail.

Acknowledgement

This project is not affiliated with Google LLC.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура MiniGeminiLlamaForCausalLM неизвестна transformers в образе рантайма.

Класс архитектуры
MiniGeminiLlamaForCausalLM
Ревизия весов
bbc9f73

0 моделей