跳到正文

LongLLaVA

把多模态模型扩展到一千张图像

访问官网

LongLLaVA 是什么

LongLLaVA 被介绍为用混合架构处理大规模图像集合的多模态大型语言模型。

你可以用它做什么

  • 让图像与指令精准对齐
  • 构建用于训练的自定义数据集

上手流程

  • 阅读 GitHub 页面上的 README
  • 运行提供的预训练脚本

优点与缺点

✓ 我们认可的地方

  • 支持自定义数据集构建与训练
  • 提供详细文档与脚本

! 需要留意的地方

  • 训练前需准备数据集
  • 初步训练要执行预训练脚本

常见问题

支持多少图像?

资料说明架构可扩展至 1000 图像。

支持哪些任务?

资料列出单图像与多图像任务。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法