# 學術VQA

LLaVA-Gemma-7b是基於LLaVA-v1.5框架訓練的大型多模態模型，採用google/gemma-7b-it作為語言主幹，結合CLIP視覺編碼器，適用於多模態理解和生成任務。

LLaVA 是一個開源多模態聊天機器人，通過對 LLaMA/Vicuna 進行微調，基於 GPT 生成的多模態指令跟隨數據訓練而成。

LLaVA是一個開源的多模態聊天機器人，通過微調LLaMA/Vicuna在GPT生成的多模態指令跟隨數據上進行訓練。