跳到正文

llava-llama-3-8b-v1_1

由 XTuner 优化、处理图像与文本的 LLaVA 模型

访问官网

llava-llama-3-8b-v1_1 是什么

该模型被介绍为由 XTuner 优化的 LLaVA 模型,专为图像和文本的结合处理而设计。它基于 Meta-Llama-3-8B-Instruct 与 CLIP-ViT-Large-patch14-336,并经 ShareGPT4V-PT 和 InternVL-SFT 微调。

你可以用它做什么

  • 理解并生成与图像相关的文本
  • 配合多种下游部署和评估工具包使用
  • 以 FP16 精度运行模型

应用场景

  • 为图像搜索生成标注与描述
  • 社交媒体分析结合图像与文本内容
  • 聊天机器人后端获得更丰富的交互

优点与缺点

✓ 我们认可的地方

  • 与多种下游部署和评估工具包兼容
  • 功能列表列出 8.03B 参数量及 72.3%、66.4% 等指标数值

! 需要留意的地方

  • 输入需要同时准备图像和相关文本
  • 模型需从 Hugging Face 加载

常见问题

它基于什么构建?

资料列出 meta-llama/Meta-Llama-3-8B-Instruct 与 CLIP-ViT-Large-patch14-336。

支持 FP16 吗?

功能列表说明模型支持 FP16 精度。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法