AIbase
JA
ホーム
Llama 3.2 11B Vision Invoices Mini
L

Llama 3.2 11B Vision Invoices Mini

atulSethiによって開発
unsloth/llama-3.2-11b-vision-instruct-unsloth-bnb-4bitをファインチューニングしたマルチモーダル大規模言語モデルで、視覚命令理解タスクをサポートし、Unslothによる最適化でトレーニング速度が2倍向上しています。
テキスト生成画像
Transformers
 英語オープンソースライセンス:Apache-2.0#視覚命令ファインチューニング#4bit量子化推論#Unsloth高速化
ダウンロード数 46
リリース時間 : 3/10/2025

モデル概要

これは視覚とテキストの命令をサポートするマルチモーダル大規模言語モデルで、マルチモーダル理解と生成タスクに適しています。

モデル特徴

効率的なトレーニング最適化
UnslothとHuggingface TRLライブラリを使用したトレーニングで、速度が2倍向上
マルチモーダル能力
視覚とテキスト命令の理解と生成をサポート
量子化圧縮
4bit量子化技術を採用し、モデルのストレージと計算要件を削減

モデル能力

テキスト生成
視覚命令理解
マルチモーダル推論
命令追従

使用事例

マルチモーダルインタラクション
視覚的質問応答
画像の内容に基づいて関連する質問に回答
画像キャプション生成
入力画像に対して自然言語の説明を生成
コンテンツ生成
マルチモーダルコンテンツ作成
視覚とテキスト入力を組み合わせてクリエイティブなコンテンツを生成
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase