跳到正文

LLaVA-o1

逐步推理的视觉语言模型

访问官网

LLaVA-o1 是什么

LLaVA-o1 被介绍为能够逐步推理、处理图像与语言信息的视觉语言模型。

你可以用它做什么

  • 分阶段分析问题并得出结论
  • 结合图像与语言信息推理

上手流程

  • 下载代码与预训练权重
  • 配置含所需依赖的运行环境

优点与缺点

✓ 我们认可的地方

  • 相关研究已发表在 arXiv
  • 可同时处理图像与语言信息

! 需要留意的地方

  • 需配置运行环境与依赖库
  • 推理前要加载预训练权重

常见问题

由谁开发?

资料说明由北京大学元组团队开发。

开放了什么?

资料列出开源代码与预训练权重。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法