/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,1 ГБ
Лицензия
CC BY-SA 4.0
Архитектура
llava · dense
Библиотека
transformers
Опубликована
29 ноя 2023

KoLLaVA-v1.5-Synatra-7b

Генерация текстаТекст → текст3 профессии

Корейская мультимодальная модель LLaVA для ответов на вопросы об изображениях и диалога по визуальному содержимому.

34скачиваний за 30 дней8лайковвеса обновлены6 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

KoLLaVA-v1.5-Synatra-7b — мультимодальная модель семейства LLaVA, разработанная для диалога на корейском языке с пониманием изображений. Она объединяет языковую модель Synatra с визуальным энкодером CLIP ViT-L/14 с разрешением 336 пикселей и обучена на наборе визуальных инструкций KoLLaVA-v1.5-Instruct-581k. Модель содержит 7,1 млрд параметров, использует архитектуру LlavaLlamaForCausalLM и принимает текстовые запросы вместе с изображениями, выдавая текстовые ответы.

Модель подходит для вопросов об изображениях и диалоговых сценариев, где нужно описать визуальное содержимое по-корейски. Метаданные указывают контекст длиной 32 768 токенов, библиотеку Transformers и формат PyTorch. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • ответы на вопросы об изображениях на корейском языке
  • описание содержимого изображений на корейском языке
  • диалог с изображениями на корейском языке

Ограничения

Модель обучена на корейском наборе визуальных инструкций, поэтому её пригодность для других языков не подтверждена. Возможности и качество распознавания деталей изображений зависят от визуального энкодера CLIP.

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

KoLLaVA : Korean Large Language and Vision Assistant (feat. LLaVA)

This model is a large multimodal model (LMM) that combines the LLM (Synatra) with visual encoder of CLIP (clip-vit-large-patch14-336 ), trained on Korean visual-instruction dataset (KoLLaVA-v1.5-Instruct-581k).

Detail codes are available at KoLLaVA github repository

License

This model is strictly non-commercial (cc-by-sa-4.0) use, Under 5K MAU The "Model" is completely free (ie. base model, derivates, merges/mixes) to use for non-commercial purposes as long as the the included cc-by-sa-4.0 license in any parent repository, and the non-commercial use statute remains, regardless of other models' licences. If your service has over 5K MAU contact me for license approval.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlavaLlamaForCausalLM
Ревизия весов
125075d

0 моделей