/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
14,5 ГБ
Опубликована
26 мар 2024

MGM-7B-HD

Генерация текстаТекст → текст3 профессии

MGM-7B-HD — мультимодальная чат-модель на базе Vicuna-7B-v1.5 для диалога и анализа изображений высокого разрешения.

97скачиваний за 30 дней31лайквеса 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-7B-HD — открытый мультимодальный чат-бот, разработанный авторами проекта MGM и дообученный на базе Vicuna-7B-v1.5 на наборе MGM-Instruction с инструкциями, сгенерированными GPT. Это плотная модель с архитектурой MiniGeminiLlamaForCausalLM и примерно 6,6 млрд параметров; версия HD предназначена для понимания изображений высокого разрешения, рассуждений по визуальному содержимому и диалога. Модель принимает текстовые запросы и изображения, а ответы формирует в текстовом виде; заявленный контекст составляет 4096 токенов.

Модель предназначена для мультимодальных диалогов и исследовательских экспериментов с анализом изображений, визуальными вопросами и ответами, а также рассуждениями по изображениям. Обучение этой версии датировано мартом 2024 года. В README не приведены условия лицензии, поэтому режим использования по лицензии определить нельзя.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание изображений высокого разрешения
  • мультимодальный диалог по тексту и изображению
  • рассуждения на основе визуальных данных

Ограничения

README не сообщает лицензию, поэтому условия использования не установлены по имеющимся данным. Поддержка русского языка не подтверждена; в описании также не заявлена генерация 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

MGM-7B-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-13B-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-7B-v1.5

Model date: MGM-7B-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
96bd9af

0 моделей