LLaVA

LLaVA代表了一种新颖的端到端训练大型多模态模型，结合了视觉编码器和骆马 对于通用的视觉和语言理解， 实现令人印象深刻的聊天功能，模仿多模式 GPT-4 的精神，并在科学 QA 上设置新的最先进的准确性。