Llava 13b Delta V0

🚀 LLaVA模型卡片

LLaVA是一個開源聊天機器人，通過在GPT生成的多模態指令遵循數據上微調LLaMA/Vicuna訓練而成，可用於多模態大模型和聊天機器人的研究。

🚀 快速開始

⚠️ 重要提示

此“增量模型”不能直接使用。用戶必須將其應用於原始LLaMA權重之上，才能獲得實際的LLaVA權重。具體說明請參見此處。

✨ 主要特性

LLaVA是一個基於Transformer架構的自迴歸語言模型，通過在特定多模態數據上微調LLaMA/Vicuna得到，可用於多模態大模型和聊天機器人的研究。

📚 詳細文檔

模型詳情

預期用途

• 主要預期用途：LLaVA的主要用途是用於多模態大模型和聊天機器人的研究。
• 主要目標用戶：該模型的主要目標用戶是計算機視覺、自然語言處理、機器學習和人工智能領域的研究人員和愛好者。

訓練數據集

• 從CC3M中篩選出的595K圖像 - 文本對。
• 150K由GPT生成的多模態指令遵循數據。

評估數據集

• 對模型質量的初步評估是通過從COCO val 2014中隨機抽取30張獨特圖像，創建一組90個視覺推理問題進行的，每個圖像關聯三種類型的問題：對話式、詳細描述和複雜推理。使用GPT - 4來評判模型輸出。
• 還在ScienceQA數據集上對模型進行了評估，與GPT - 4的協同作用在該數據集上創造了新的最優結果。更多詳情請參見https://llava-vl.github.io/。

📄 許可證

本模型採用Apache License 2.0許可協議。