/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,7 млрд
Размер весов
7,6 ГБ
Архитектура
llama · dense
Библиотека
xtuner
Опубликована
25 апр 2024

llava-phi-3-mini-xtuner

Генерация текстаТекст → текст8 профессий

Мультимодальная модель XTuner на базе Phi-3-mini отвечает на вопросы и ведёт диалог по изображениям.

28скачиваний за 30 дней5лайковвеса обновлены25 апр 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

XTuner LLaVA — мультимодальная модель на 3,7 млрд параметров для диалога по изображениям. Она дообучена на языковой модели microsoft/Phi-3-mini-4k-instruct с визуальным энкодером CLIP ViT-Large patch14 336 и использует данные ShareGPT4V-PT и InternVL-SFT. Репозиторий содержит веса в формате XTuner LLaVA; контекст составляет 4096 токенов.

Модель принимает изображение и текстовый запрос, а отвечает текстом: подходит для описания изображений, визуальных вопросов и ответов, а также задач по пониманию диаграмм и текста на изображениях. В карточке приведены результаты на наборах MMBench, MMMU, SEED-IMG, AI2D, ScienceQA, HallusionBench, POPE, GQA, TextVQA, MME и MMStar. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы об изображении
  • описание содержимого фотографии
  • анализ диаграмм и учебных иллюстраций
  • извлечение и понимание текста на изображении
  • визуальный диалог по загруженному изображению

Ограничения

Контекст ограничен 4096 токенами. Модель представлена в формате XTuner LLaVA; лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Generic badge

Model

llava-phi-3-mini is a LLaVA model fine-tuned from microsoft/Phi-3-mini-4k-instruct and CLIP-ViT-Large-patch14-336 with ShareGPT4V-PT and InternVL-SFT by XTuner.

Note: This model is in XTuner LLaVA format.

Resources:

Details

ModelVisual EncoderProjectorResolutionPretraining StrategyFine-tuning StrategyPretrain DatasetFine-tune DatasetPretrain EpochFine-tune Epoch
LLaVA-v1.5-7BCLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, Frozen ViTLLaVA-PT (558K)LLaVA-Mix (665K)11
LLaVA-Llama-3-8BCLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, LoRA ViTLLaVA-PT (558K)LLaVA-Mix (665K)11
LLaVA-Llama-3-8B-v1.1CLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, LoRA ViTShareGPT4V-PT (1246K)InternVL-SFT (1268K)11
LLaVA-Phi-3-miniCLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, Full ViTShareGPT4V-PT (1246K)InternVL-SFT (1268K)12

Results

ModelMMBench Test (EN)MMMU ValSEED-IMGAI2D TestScienceQA TestHallusionBench aAccPOPEGQATextVQAMMEMMStar
LLaVA-v1.5-7B66.535.360.554.870.444.985.962.058.21511/34830.3
LLaVA-Llama-3-8B68.936.869.860.973.347.387.263.558.01506/29538.2
LLaVA-Llama-3-8B-v1.172.337.170.170.072.947.786.462.659.01469/34945.1
LLaVA-Phi-3-mini69.241.470.069.373.749.887.361.557.81477/31343.7

Quickstart

Installation

pip install 'git+https://github.com/InternLM/xtuner.git#egg=xtuner[deepspeed]'

Chat

xtuner chat xtuner/llava-phi-3-mini-xtuner \
  --llava xtuner/llava-phi-3-mini-xtuner \
  --prompt-template phi3_chat \
  --image $IMAGE_PATH

MMBench Evaluation

XTuner integrates the MMBench evaluation, and you can perform evaluations with the following command!

xtuner mmbench xtuner/llava-phi-3-mini-xtuner \
  --llava xtuner/llava-phi-3-mini-xtuner \
  --prompt-template phi3_chat \
  --data-path $MMBENCH_DATA_PATH \
  --work-dir $RESULT_PATH

After the evaluation is completed, if it's a development set, it will directly print out the results; If it's a test set, you need to submit mmbench_result.xlsx to the official MMBench for final evaluation to obtain precision results!

Reproduce

Please refer to docs.

Citation

@misc{2023xtuner,
    title={XTuner: A Toolkit for Efficiently Fine-tuning LLM},
    author={XTuner Contributors},
    howpublished = {\url{https://github.com/InternLM/xtuner}},
    year={2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · xtuner

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ced1e27

0 моделей