跳到正文

EVE

编码器自由的视觉-语言模型

访问官网

EVE 是什么

这是一个支持任意图像宽高比的编码器自由视觉-语言模型。资料说明它使用 33M 公开数据完成预训练。

你可以用它做什么

  • 生成图像描述
  • 研发视觉问答系统
  • 学习跨模态纯解码器架构

需要留意什么

  • EVE-7B 使用 665K LLaVA SFT 数据
  • EVE-7B (HD) 增加 1.2M SFT 数据
  • 训练用两个 8-A100 (40G) 节点约 9 天

优点与缺点

✓ 我们认可的地方

  • EVE-7B 使用 665K LLaVA SFT 数据训练
  • EVE-7B (HD) 额外使用 1.2M SFT 数据

! 需要留意的地方

  • 代码与 README 从 GitHub 页面获取
  • 运行前需下载并安装依赖项

常见问题

预训练数据有多少?

资料说明使用 33M 公开数据。

由谁开发?

资料列出大连理工大学、北京人工智能研究院和北京大学的研究人员。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法