PPLLaVA 是什么
PPLLaVA 被介绍为一个高效的视频大型语言模型,面向 GPU 上的视频序列理解。
你可以用它做什么
- 做细粒度的视觉提示对齐
- 按用户指令压缩视觉令牌
- 用 CLIP 扩展视频上下文
优点与缺点
✓ 我们认可的地方
- 按用户指令进行视觉令牌压缩
- 资料称吞吐量提高 8 倍
! 需要留意的地方
- 列出的结果依赖所点名的数据集
- 上手需要克隆代码库并安装依赖
常见问题
使用多少视觉令牌?
资料说明使用 1024 个视觉令牌。
点名了哪些数据集?
资料列出 VideoMME、MVBench、VideoChatGPT Bench 和 VideoQA Bench。
最后评测: 2026-11-15