# 視覚命令ファインチューニング

Unslothで最適化されたLlama 3.2 11B視覚命令ファインチューニングモデル、4ビット量子化技術を採用、トレーニング速度が2倍向上

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。

InstructBLIPはBLIP-2を視覚命令ファインチューニングしたバージョンで、画像キャプション生成や視覚質問応答などの視覚言語タスクを実行できます。