/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
17 апр 2023

LLaVA-13b-delta-v0

Генерация текстаТекст → текст3 профессии

Производная модели liuhaotian/LLaVA-7b-delta-v0. Delta-веса LLaVA на 6,6 млрд параметров, предназначенные для восстановления мультимодального чат-бота LLaMA/Vicuna для диалога об изображениях.

184скачиваний за 30 дней219лайковвеса обновлены25 апр 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Карточка модели liuhaotian/LLaVA-13b-delta-v0 на Hugging Face совпадает с карточкой liuhaotian/LLaVA-7b-delta-v0, поэтому описание составлено по ней.

LLaVA-7b-delta-v0 — файл разницы весов модели LLaVA, разработанной авторами LLaVA. Это не самостоятельная модель: delta нужно применить к исходным весам LLaMA, чтобы получить рабочие веса LLaVA. Полученная модель представляет собой авторегрессионный чат-бот на основе трансформера, дообученный на LLaMA/Vicuna с использованием данных для мультимодального следования инструкциям. В карточке Hugging Face указаны архитектура LLaMA, 6,6 млрд параметров и формат PyTorch.

Модель предназначена для исследовательских и экспериментальных сценариев общения с изображениями: ответы на вопросы о визуальном содержимом, подробные описания и визуальные рассуждения. При обучении использовались 595 тысяч пар изображение–текст из CC3M и 150 тысяч инструкций, созданных GPT. README сообщает о предварительной оценке на вопросах по изображениям COCO и датасете ScienceQA.

Для использования сначала требуется применить delta к исходным весам LLaMA; сама delta не принимает запросы и не генерирует ответы. Лицензия — Apache License 2.0. Указанные результаты оценки предварительные и не гарантируют качество на других данных или задачах.

Сценарии применения

  • ответы на вопросы о содержимом изображений
  • подробное описание изображений в диалоге
  • визуальные рассуждения по изображению
  • исследование мультимодальных чат-ботов

Ограничения

Delta-веса нельзя использовать напрямую: их необходимо применить к исходным весам LLaMA. Оценка качества описана как предварительная и не позволяет судить о производительности на всех сценариях.

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

NOTE: This "delta model" cannot be used directly.
Users have to apply it on top of the original LLaMA weights to get actual LLaVA weights.
See https://github.com/haotian-liu/LLaVA#llava-weights for instructions.

LLaVA Model Card

Model details

Model type: LLaVA is an open-source chatbot trained by fine-tuning LLaMA/Vicuna on GPT-generated multimodal instruction-following data. It is an auto-regressive language model, based on the transformer architecture.

Model date: LLaVA was trained in April 2023.

Paper or resources for more information: https://llava-vl.github.io/

License: Apache License 2.0

Where to send questions or comments about the model: https://github.com/haotian-liu/LLaVA/issues

Intended use

Primary intended uses: The primary use of LLaVA 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 dataset

595K filtered image-text pairs from CC3M. 150K GPT-generated multimodal instruction-following data.

Evaluation dataset

A preliminary evaluation of the model quality is conducted by creating a set of 90 visual reasoning questions from 30 unique images randomly sampled from COCO val 2014 and each is associated with three types of questions: conversational, detailed description, and complex reasoning. We utilize GPT-4 to judge the model outputs. We also evaluate our model on the ScienceQA dataset. Our synergy with GPT-4 sets a new state-of-the-art on the dataset. See https://llava-vl.github.io/ for more details.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
f1689f5

0 моделей