/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
54,5 ГБ
Лицензия
Apache 2.0
Архитектура
beit3_llava · dense
Опубликована
30 ноя 2023

RLHF-V-SFT

Генерация текстаТекст → текст3 профессии

Мультимодальная BEiT-3/LLaVA-модель OpenBMB для генерации ответов по визуальному содержимому и текстовым запросам.

192скачиваний за 30 дней4лайкавеса обновлены28 мая 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

openbmb/RLHF-V-SFT — мультимодальная модель для генерации текста на основе архитектуры BEiT-3 и LLaVA с языковой частью LLaMA. Репозиторий содержит 12,9 млрд параметров в формате PyTorch; модель разработана OpenBMB и связана с работами по повышению надёжности ответов визуально-языковых моделей.

Модель предназначена для генерации ответов в мультимодальных сценариях, включая диалог по визуальному содержимому. README связывает её с подходом RLAIF-V и сообщает об использовании данных проекта в MiniCPM-V 2.0. Поддержка английского языка указана в метаданных; лицензия — Apache-2.0.

Модель относится к семейству BEiT-3/LLaVA и имеет класс Beit3LlavaLlamaForCausalLM. Карточка не приводит длину контекста или подробные результаты оценки самой RLHF-V-SFT, поэтому качество и конкретные границы применимости по имеющимся данным оценить нельзя.

Сценарии применения

  • ответы на вопросы об изображениях
  • диалог с моделью о визуальном содержимом
  • генерация текстовых ответов в визуально-языковых приложениях

Ограничения

В карточке нет длины контекста и подробных оценок качества именно этого чекпойнта. Поддержка других языков, помимо английского, не подтверждена.

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

News

  • [2024.05.28] 📃 Our RLAIF-V paper is accesible at arxiv now!
  • [2024.05.20] 🎉 We introduce RLAIF-V, our new alignment framework that utilize open-source models for feedback generation and reach super GPT-4V trustworthiness. You can download the corresponding dataset and models (7B, 12B) now!
  • [2024.04.11] 🔥 Our data is used in MiniCPM-V 2.0, an end-side multimodal large language model that exhibits comparable trustworthiness with GPT-4V!

Citation

If you find this dataset helpful, please consider cite our papers 📝:

@article{yu2023rlhf,
  title={Rlhf-v: Towards trustworthy mllms via behavior alignment from fine-grained correctional human feedback},
  author={Yu, Tianyu and Yao, Yuan and Zhang, Haoye and He, Taiwen and Han, Yifeng and Cui, Ganqu and Hu, Jinyi and Liu, Zhiyuan and Zheng, Hai-Tao and Sun, Maosong and others},
  journal={arXiv preprint arXiv:2312.00849},
  year={2023}
}

@article{yu2024rlaifv,
  title={RLAIF-V: Aligning MLLMs through Open-Source AI Feedback for Super GPT-4V Trustworthiness}, 
  author={Yu, Tianyu and Zhang, Haoye and Yao, Yuan and Dang, Yunkai and Chen, Da and Lu, Xiaoman and Cui, Ganqu and He, Taiwen and Liu, Zhiyuan and Chua, Tat-Seng and Sun, Maosong},
  journal={arXiv preprint arXiv:2405.17220},
  year={2024},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура beit3_llava неизвестна transformers в образе рантайма.

Класс архитектуры
Beit3LlavaLlamaForCausalLM
Ревизия весов
df4823e

0 моделей