LLaVA 13B

LLaVA is a large multimodal model that combines a vision encoder and Vicuna for general-purpose visual and language understanding, achieving impressive chat capabilities and setting a new state-of-the-art accuracy on Science QA. #multimodal

LLaVA 13B hat ein Kontextfenster von 2.048 Token.

LLaVA 13B akzeptiert Text und Bilder als Eingabe und gibt Text zurück.

LLaVA 13B wurde am 16. November 2023 veröffentlicht. Der Wissensstand reicht bis zum 30. Juni 2023.