多模态聊天

端到端训练的大型多模态模型，对标多模态GPT-4实现聊天推理 LLaVA是端到端训练的大型多模态大模型，通过整合视觉编码器与Vicuna大语言模型，复刻多模态GPT-4的能力逻辑。该模型在科学问答任务上取得了当前最高准确率，支持多模态对话交互与科学领域多模态推理，全量数据、代码与检查点仅面向研究开放，需遵循上游模型的许可协议。