--- license: apache-2.0 pipeline_tag: image-to-text --- # MMAlaya MMAlaya是基于大语言模型[Alaya](https://github.com/DataCanvasIO/Alaya)的多模态模型,模型权重文件在[DataCanvas/MMAlaya](https://huggingface.co/DataCanvas/MMAlaya/tree/main) MMAlaya包含以下三个模块:
1,大语言模型[Alaya-7B-Chat](https://huggingface.co/DataCanvas/Alaya-7B-Chat)。
2,图像文本特征编码器来自[blip2-opt-2.7b](https://huggingface.co/Salesforce/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](https://huggingface.co/Salesforce/blip2-opt-2.7b)的Qformer和线性投影器。 模型的训练主要基于[LLaVA](https://github.com/haotian-liu/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](https://github.com/DataCanvasIO/MMAlaya/blob/main/inference.py)