在实际应用场景中，还可能会只做文本问答，不需要输入图片，这种场景是否可以满足？
#23
by
jackleef
- opened
视觉提问是其中一个场景，实际场景可能有时不用视觉提问，只要文本问答。
这个模型是VQA模型，不输入图片可以回答但是效果就没那么好
那说明这还是针对特定的应用场景了，纯文本问答泛化性会受影响。另外，能否使用glm-4-9b-chat的demo把glm-4v-9b跑起来？
不能，这是两个不同的demo，请在我们的github中查看demo
没看到有纯文本问答glm-4v-9b的demo
trans_cli_vision_demo.py 这个，不传入图像
感谢
jackleef
changed discussion status to
closed