inference: false
pipeline_tag: image-text-to-text

LLaVA 模型卡片

模型详情

模型类型:
LLaVA 是一个开源聊天机器人，通过对 LLaMA/Vicuna 进行微调，并基于 GPT 生成的多模态指令跟随数据训练而成。它是一个基于 Transformer 架构的自回归语言模型。

模型日期:
LLaVA-v1.5-13B 于 2023 年 9 月训练完成。

论文或更多信息参考:
https://llava-vl.github.io/

许可证

Llama 2 采用 LLAMA 2 社区许可证授权，版权所有 (c) Meta Platforms, Inc. 保留所有权利。

关于模型的疑问或意见反馈渠道:
https://github.com/haotian-liu/LLaVA/issues

预期用途

主要预期用途:
LLaVA 的主要用途是研究大型多模态模型和聊天机器人。

主要目标用户:
该模型的主要目标用户是计算机视觉、自然语言处理、机器学习和人工智能领域的研究人员和爱好者。

训练数据集

• 来自 LAION/CC/SBU 的 558K 条经过筛选的图文对，由 BLIP 生成描述。
• 158K 条 GPT 生成的多模态指令跟随数据。
• 450K 条面向学术任务的视觉问答（VQA）混合数据。
• 40K 条 ShareGPT 数据。

评估数据集

包含 12 个基准测试的集合，其中 5 个为学术 VQA 基准测试，7 个为近期专门为指令跟随型多模态语言模型（LMM）提出的基准测试。