数据集:

• liuhaotian/LLaVA-Instruct-150K 库名称: transformers 许可证: apache-2.0 任务标签: 图像文本到文本

模型卡片: LLaVA_MORE-llama_3_1-8B-微调版

LLaVA-MORE通过集成LLaMA 3.1作为语言模型，对著名的LLaVA架构进行了增强。我们首次公开了8B参数模型的第一阶段和第二阶段检查点。

在此模型空间中，您将找到如该论文所述的LLaVA-MORE LLaMA 3.1 8B第二阶段（微调）权重。

更多信息，请访问我们的LLaVA-MORE仓库。

推理

您可以通过克隆我们的仓库并运行以下脚本来尝试我们的LLaVA-MORE在图像到文本任务中的应用。

python -u llava/eval/run_llava.py

引用

如果您使用了我们的工作，请引用我们的仓库：

@article{cocchi2025llava,
      title={{LLaVA-MORE：增强视觉指令调优的LLMs与视觉骨干对比研究}},
      author={Cocchi, Federico and Moratelli, Nicholas and Caffagni, Davide and Sarto, Sara and Baraldi, Lorenzo and Cornia, Marcella and Cucchiara, Rita},
      journal={arXiv预印本 arXiv:2503.15621},
      year={2025}
}