metadata

license: apache-2.0
pipeline_tag: image-to-text

MMAlaya

MMAlaya是基于大语言模型Alaya的多模态模型，模型权重文件在DataCanvas/MMAlaya

MMAlaya包含以下三个模块：
1，大语言模型Alaya-7B-Chat。
2，图像文本特征编码器来自blip2-opt-2.7b的EVA-G。
3，图像文本特征到大预言模型的连接器,使用的是来自blip2-opt-2.7b的Qformer和线性投影器。

模型的训练主要基于LLaVA架构

OpenCompass 评测榜单，均分41.1，排名25名。
MMBench 评测榜单，开源开放的模型，中文测试集，均分58.6，排名25名。

推理可以参考 inference.py