Llava V1.6 34b

🚀 LLaVAモデルカード

LLaVAは、マルチモーダルな命令追従データで大規模言語モデル（LLM）をファインチューニングすることで学習されたオープンソースのチャットボットです。画像とテキストを入力として受け取り、テキストを出力するモデルで、大規模マルチモーダルモデルやチャットボットの研究に役立ちます。

📚 詳細ドキュメント

モデルの詳細

ライセンス

NousResearch/Nous-Hermes-2-Yi-34B のライセンスが適用されます。

モデルに関する質問やコメントを送る場所 https://github.com/haotian-liu/LLaVA/issues

想定される使用目的

主な想定使用目的 LLaVAの主な使用目的は、大規模マルチモーダルモデルとチャットボットの研究です。

主な想定ユーザー このモデルの主な想定ユーザーは、コンピュータビジョン、自然言語処理、機械学習、および人工知能の研究者と愛好家です。

学習データセット

• BLIPによってキャプション付けされたLAION/CC/SBUからの558Kのフィルタリングされた画像 - テキストペア。
• 158KのGPT生成マルチモーダル命令追従データ。
• 500Kの学術タスク指向のVQAデータミックス。
• 50KのGPT - 4Vデータミックス。
• 40KのShareGPTデータ。

評価データセット

5つの学術的なVQAベンチマークと7つの最近提案された命令追従型大規模マルチモーダルモデル（LMM）用のベンチマークを含む、12のベンチマークのコレクション。