LLaVA-o1，能够自发、系统推理的视觉语言模型，类似于 GPT-o1.

11B 模型在六个具有挑战性的多模态基准测试中优于 Gemini-1.5-pro、GPT-4o-mini 和 Llama-3.2-90B-Vision-Instruct.

LLaVA-o1，能够自发、系统推理的视觉语言模型，类似于 GPT-o1插图

Github地址：https://github.com/PKU-YuanGroup/LLaVA-o1

论文地址：https://arxiv.org/abs/2411.10440



微信扫描下方的二维码阅读本文

LLaVA-o1，能够自发、系统推理的视觉语言模型，类似于 GPT-o1插图1

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。