# 視覺指令微調

這是一個基於Mistral-Small-3.1-24B-Instruct-2503的視覺增強版本，支持圖像文本生成文本任務。

基於Qwen2.5-14B基礎模型和VisualWebInstruct-Verified數據集訓練的多模態推理模型，支持英語任務處理。

Qwen2.5-VL-32B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的聯合理解與生成任務。

基於Unsloth優化的Llama 3.2 11B視覺指令微調模型，採用4位量化技術，訓練速度提升2倍

Qwen2.5-VL-72B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的交互式生成任務。

基於unsloth/Llama-3.2-11B-Vision-Instruct微調的模型，使用Unsloth和Huggingface的TRL庫進行訓練，速度提升了2倍。

基於unsloth/llama-3.2-11b-vision-instruct-unsloth-bnb-4bit微調的多模態大語言模型，支持視覺指令理解任務，使用Unsloth優化訓練速度提升2倍。

基於Unsloth優化的視覺指令微調模型，支持多模態任務處理

基於LLaVA-1.5-7B模型通過視覺監督微調(VSFT)訓練的多模態視覺語言模型，支持圖像理解和對話生成

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

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

開源可商用的中英文雙語視覺-語言助手，支持中英文視覺-文本多模態對話的開源商用對話模型。

InstructBLIP是BLIP-2經過視覺指令微調的版本，能夠執行視覺語言任務，如圖像描述生成和視覺問答。