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 tem uma janela de contexto de 2.048 tokens.

LLaVA 13B aceita texto e imagens como entrada e retorna texto.

LLaVA 13B foi lançado em 16 de novembro de 2023. Seu conhecimento vai até 30 de junho de 2023.