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 のコンテキストウィンドウは 2,048 トークンです。

LLaVA 13B は テキスト、画像 を入力として受け取り、テキスト を返します。

LLaVA 13B は 2023年11月16日 にリリースされました。知識のカットオフ日は 2023年6月30日 です。