/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Размер весов
26,7 ГБ
Архитектура
llava · dense
Опубликована
31 янв 2024

llava-v1.6-vicuna-13b

Генерация текстаТекст → текст3 профессии

LLaVA-v1.6-Vicuna-13B — мультимодальная модель для диалога и ответов на вопросы по изображениям.

973скачиваний за 30 дней61лайквеса 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-Vicuna-13B — мультимодальный чат-бот, разработанный командой LLaVA и полученный дообучением языковой модели Vicuna-13B на инструкциях с изображениями. Это авторегрессионная трансформерная модель семейства LLaVA с плотной архитектурой и 12,9 млрд параметров; базовая языковая модель — lmsys/vicuna-13b-v1.5. Репозиторий содержит веса в формате safetensors, а контекст модели составляет 4096 токенов.

Модель принимает изображения и текстовые инструкции, а отвечает текстом. Она предназначена для диалоговых сценариев с визуальными данными: ответов на вопросы об изображениях, описания их содержимого и выполнения академических задач визуально-языкового понимания. При обучении использовались пары изображение–текст, мультимодальные инструкции, данные VQA и диалоги ShareGPT.

Основные пользователи — исследователи и энтузиасты компьютерного зрения, обработки естественного языка и машинного обучения. Возможности и качество ответов могут зависеть от изображения и формулировки запроса; модель не гарантирует точность фактических выводов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание объектов и сцен на изображении
  • визуально-языковые диалоги по изображению
  • решение академических задач визуального понимания

Ограничения

Ответы могут содержать ошибки, в том числе неверные выводы о содержимом изображения. Лицензия в предоставленных данных не указана.

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: lmsys/vicuna-13b-v1.5

Model date: LLaVA-v1.6-Vicuna-13B was trained in December 2023.

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

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/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

Можно запустить

Подбираем GPU…

Класс архитектуры
LlavaLlamaForCausalLM
Ревизия весов
22422b4

0 моделей