/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
464 млн
Архитектура
llava_qwen · dense
Опубликована
27 июн 2024

llava-next-interleave-qwen-0.5b

Генерация текстаТекст → текст3 профессии

LLaVA-Next Interleave — дообученный мультимодальный чат-бот на базе Qwen, предназначенный для исследовательских экспериментов с диалогами по тексту и изображениям.

128скачиваний за 30 дней12лайковвеса обновлены12 июл 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

LLaVA-Next Interleave — открытый мультимодальный чат-бот, разработанный lmms-lab путём дообучения языковой модели на данных мультимодального следования инструкциям. В основе лежит авторегрессионная трансформерная архитектура LlavaQwenForCausalLM и базовая модель Qwen/Qwen1.5-0.5B-Chat; размер — 463,9 млн параметров, контекст — до 32 768 токенов.

Модель предназначена для исследовательских экспериментов с мультимодальными моделями и чат-ботами, в частности для сценариев, где в диалоге сочетаются текст и изображения. Карточка описывает её как модель для исследователей и энтузиастов в области компьютерного зрения, обработки естественного языка и машинного обучения. Метаданные указывают возможность чата, но не перечисляют дополнительные задачи сверх генерации текста.

Модель опубликована в формате safetensors. В README указано ограничение на коммерческое использование; лицензия в предоставленных данных не названа. Качество и ограничения на конкретных типах изображений или задачах не описаны.

Сценарии применения

  • исследовательские эксперименты с мультимодальными чат-ботами
  • вопросы и ответы по изображениям в диалоге
  • изучение объединения текста и изображений в инструкционном диалоге

Ограничения

README ограничивает использование исследовательскими целями и запрещает коммерческое применение; конкретные условия лицензии в предоставленных данных не приведены. Качество на отдельных задачах и ограничения модели подробно не описаны.

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-Next Interleave Model Card

Model Details

Model type: LLaVA-Next Interleave 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: Qwen/Qwen1.5-0.5B-Chat

Model Description

Repository: https://github.com/LLaVA-VL/LLaVA-NeXT

Primary intended uses: The primary use of LLaVA-Next Interleave is research on large multimodal models and chatbots. This is only for research exploration, and prohibited for commercial usage.

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.

License Notices

This project utilizes certain datasets and checkpoints that are subject to their respective original licenses. Users must comply with all terms and conditions of these original licenses, including but not limited to the OpenAI Terms of Use for the dataset and the specific licenses for base language models for checkpoints trained using the dataset (e.g. Llama-1/2 community license for LLaMA-2 and Vicuna-v1.5, Tongyi Qianwen LICENSE AGREEMENT and META LLAMA 3 COMMUNITY LICENSE AGREEMENT). This project does not impose any additional constraints beyond those stipulated in the original licenses. Furthermore, users are reminded to ensure that their use of the dataset and checkpoints is in compliance with all applicable laws and regulations.

How to Get Started with the Model

Use the code below to get started with the model.

git clone https://github.com/LLaVA-VL/LLaVA-NeXT
# install llava-next
...
# download the ckpt
...
bash playground/demo/interleave_demo.py --model_path path/to/ckpt

Evaluation

Use the code below to evaluate the model.

Please first edit /path/to/ckpt to the path of checkpoint, /path/to/images to the path of "interleave_data" in scripts/interleave/eval_all.sh and then run

bash scripts/interleave/eval_all.sh

Bibtex citation

@misc{li2024llavanextinterleavetacklingmultiimagevideo,
      title={LLaVA-NeXT-Interleave: Tackling Multi-image, Video, and 3D in Large Multimodal Models}, 
      author={Feng Li and Renrui Zhang and Hao Zhang and Yuanhan Zhang and Bo Li and Wei Li and Zejun Ma and Chunyuan Li},
      year={2024},
      eprint={2407.07895},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2407.07895}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура llava_qwen неизвестна transformers в образе рантайма.

Класс архитектуры
LlavaQwenForCausalLM
Ревизия весов
6b6e4d5

0 моделей