LLaVA

2个月前发布 2,001 0 0

LLaVA是一个大型多模态模型，旨在实现通用视觉和语言理解。它端到端训练，可以理解文本和图像，并在聊天中灵活运用这些信息。LLaVA在多模态指令跟随数据集上与GPT-4表现相似，相对分数达到85.1%。在Science QA上，其准确率达到92.53%。LLaVA模型将预训练的视觉编码器（CLIP ViT-L/14）与大型语言模型（Vic...

语言：
zh
收录时间：
2026-08-31
打开网站手机查看
LLaVALLaVA
LLaVA打开网站

LLaVA是一个大型多模态模型，旨在实现通用视觉和语言理解。它端到端训练，可以理解文本和图像，并在聊天中灵活运用这些信息。LLaVA在多模态指令跟随数据集上与GPT-4表现相似，相对分数达到85.1%。在Science QA上，其准确率达到92.53%。LLaVA模型将预训练的视觉编码器（CLIP ViT-L/14）与大型语言模型（Vicuna）通过简单投影矩阵连接。训练分为两个阶段：阶段1只更新投影矩阵，基于CC3M子集进行特征对齐预训练；阶段2更新投影矩阵和大型语言模型进行端到端微调，适应日常用户导向应用和科学问答场景。

数据统计

相关导航

AQ健康管家

AQ健康管家

AQ是由阿里健康推出的一款医疗健康AI应用，为用户提供各类健康咨询、图片解读（报告、病例、处方、药盒均支持）、个人和家庭健康档案管理及各类医疗健康服务，如预约挂号、云陪诊等。AQ是你的AI健康管家，随时解答您的医疗健康问题，提供AI诊室症状自查、AI健康报告解读、就医挂号及医保咨询等一站式服务，覆盖乳腺科/皮肤科/妇产科/儿科等大专科领域。AQ网页版免下载即可医学咨询·报告解读·文献查询，下载APP更可享个性化AI健康管理，7×24小时守护您的健康。