Llada V

🚀 LLaDA-V

LLaDA-Vは、拡散ベースの非常に優れたビジョン言語モデルです。他の拡散型多言語ビジョン言語モデル（MLLMs）を上回る性能を発揮します。

このモデルについては、論文LLaDA-V: Large Language Diffusion Models with Visual Instruction Tuningで紹介されています。

プロジェクトページ: https://ml-gsai.github.io/LLaDA-V-demo/

コード: https://github.com/ML-GSAI/LLaDA-V

🚀 クイックスタート

LLaDA-Vは、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す。このモデルは、拡散モデルをベースに構築されており、視覚的な命令微調整を行っています。

📚 ドキュメント

論文情報

このモデルに関する詳細な情報は、論文LLaDA-V: Large Language Diffusion Models with Visual Instruction Tuningを参照してください。

プロジェクトページ

プロジェクトの詳細やデモは、プロジェクトページをご覧ください。

コード

ソースコードは、GitHubリポジトリで公開されています。

📄 ライセンス

READMEにはライセンス情報が記載されていません。詳細は、GitHubリポジトリを確認してください。