/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
33,9 млрд
Размер весов
69,5 ГБ
Лицензия
Apache 2.0
Архитектура
llava · dense
Библиотека
LLaVA
Опубликована
31 янв 2024

llava-v1.6-34b

Генерация текстаТекст → текст3 профессии

Мультимодальная чат-модель на 34 млрд параметров, которая отвечает на вопросы об изображениях и выполняет визуальные инструкции.

15 297скачиваний за 30 дней364лайкавеса обновлены9 мая 2024

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

LLaVA-v1.6-34B — мультимодальный чат-бот с открытыми весами, разработанный командой LLaVA и дообученный на модели NousResearch/Nous-Hermes-2-Yi-34B. Это авторегрессионная плотная трансформерная модель семейства LLaVA с архитектурой LlavaLlamaForCausalLM и 33,9 млрд параметров. Она принимает изображения и текстовые инструкции и генерирует текстовые ответы; поддерживает диалоговый режим и контекст длиной до 4096 токенов.

Модель предназначена для диалогов о содержимом изображений, визуальных вопросов и ответов, подписей к изображениям и академических задач компьютерного зрения. В обучении использовались пары изображение–текст, мультимодальные инструкции, наборы VQA и данные ShareGPT. Карточка ориентирует модель на исследования и эксперименты с мультимодальными языковыми моделями и чат-ботами.

Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Качество может различаться между задачами и изображениями; ответы модели могут содержать ошибки, поэтому их следует проверять. Языки и специальные предметные области в карточке не уточняются.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание и подпись к изображению
  • диалог с изображениями
  • решение академических задач визуальных вопросов и ответов
  • исследование мультимодальных языковых моделей

Ограничения

Модель может ошибаться в ответах о содержимом изображений; результаты требуют проверки. В карточке не заявлены конкретные поддерживаемые естественные языки или узкие прикладные области.

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

LLaVA Model Card

Model details

Model type: LLaVA is an open-source chatbot trained by fine-tuning LLM on multimodal instruction-following data. It is an auto-regressive language model, based on the transformer architecture. Base LLM: NousResearch/Nous-Hermes-2-Yi-34B

Model date: LLaVA-v1.6-34B was trained in December 2023.

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

License

NousResearch/Nous-Hermes-2-Yi-34B license.

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

  • 558K filtered image-text pairs from LAION/CC/SBU, captioned by BLIP.
  • 158K GPT-generated multimodal instruction-following data.
  • 500K academic-task-oriented VQA data mixture.
  • 50K GPT-4V data mixture.
  • 40K ShareGPT data.

Evaluation dataset

A collection of 12 benchmarks, including 5 academic VQA benchmarks and 7 recent benchmarks specifically proposed for instruction-following LMMs.

Как запустить

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

GPU в ailist

Универсальный рантайм · LLaVA

Можно запустить

Подбираем GPU…

Класс архитектуры
LlavaLlamaForCausalLM
Ревизия весов
6754aa8

0 моделей