Llava V1.5 7b Gguf

🚀 LLaVAモデルカード

LLaVAは、GPTが生成したマルチモーダル命令追従データでLLaMA/Vicuna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。大規模マルチモーダルモデルやチャットボットに関する研究に役立ちます。

🚀 クイックスタート

LLaVAは、画像とテキストを入力としてテキストを出力するモデルです。以下に、このモデルに関する詳細な情報を提供します。

✨ 主な機能

LLaVAは、Transformerアーキテクチャに基づく自己回帰型言語モデルです。GPTが生成したマルチモーダル命令追従データを用いてLLaMA/Vicunaをファインチューニングすることで学習されています。

📚 ドキュメント

モデル詳細

ライセンス

Llama 2は、LLAMA 2 Community Licenseの下でライセンスされています。Copyright (c) Meta Platforms, Inc. All Rights Reserved.

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

想定される用途

主な想定用途: LLaVAの主な用途は、大規模マルチモーダルモデルとチャットボットに関する研究です。

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。
• 450Kの学術タスク指向のVQAデータ混合。
• 40KのShareGPTデータ。

評価データセット

5つの学術VQAベンチマークと7つの最近提案された命令追従型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。