AI

LLaVA Model Card Below is the model card of Llava model 7b, which is copied from the original Llava

Mini-InternVL-Chat-2B-V1-5 [? GitHub] [? Blog] [? InternVL 1.0 Paper] [? InternVL 1.5 Report] [?️

Model Download | Evaluation Results | Model Architecture | API Platform | License | Citati

OFA-图文蕴含 (英文) 图文蕴含是什么？ 图文蕴含即根据给定的图片和文本判断其语义关系，从“entailment”、“contradiction”和“neutrality”三种关系中选出。 本系列

EMOTION2VEC+ emotion2vec+通用语音情感识别系列基座模型 emotion2vec+种子模型

模型描述 M2-Encoder是强大的中英双语多模态模型，它在我们构建的包含60亿图文对(30亿中文+30亿英文)的BM-6B上训练得到，支持zero-shot 图文跨模态检索(文搜图、图搜文) 以及

??? v3版指令模型已发布，欢迎使用 ? [HF版] [GGUF版] Llama-3-Chinese-8B-Instruct 本仓库包含了Llama-3-Chinese-8B-Inst

llama3-instruct 中文DPO版 模型介绍 像原版instruct一样，喜欢用有趣中文和表情符号回答问题。 Github：https://github.com/CrazyBoyM/llam

LLaVA-NeXT-Video Model Card Check out also the Google Colab demo to run Llava on a free-tier Google

TAdaConv 模型介绍 模型描述 TAdaConv是一种在行为识别模型中即插即用的时序自适应卷积（Temporally-Adaptive Convolutions）。作为2D/3D卷积的增强版，T

OFA-文本生成图像 (英文) 文本生成图像是什么？ 文本生成图像即根据输入的文本，生成与文本描述一致的图像。在本模型中，OFA将根据给定文本输出分辨率为256*256的图片。 注1：OFA实现文本生

ERes2NetV2_w24s4ep4 说话人识别模型 ERes2NetV2模型是在ERes2Net的基础上，通过模型剪枝来减小冗余结构并增强短时说话人识别准确率，该模型在原版ERes2NetV2基础

CogVLM2-Video-Llama3-Chat 介绍 CogVLM2-Video 在多个视频问答任务上达到了 state-of-the-art 的性能，能够实现一分钟内的视频理解。 我们提供了两

Stable Diffusion 3 Medium Model Stable Diffusion 3 Medium is a Multimodal Diffusion Transformer (M

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-base模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 202

Llama-3-Chinese-8B-Instruct-v3 这个仓库包含了Llama-3-Chinese-8B-Instruct-v3。 注意：这是一个指令/chat模型，可直接用于对

Update notice The model weights were updated at 7 AM UTC on Feb 7, 2024. The new model weights lead

StructBERT中文自然语言推理模型介绍 自然语言推理任务（NLI）通常指判断一对句子对（前提句，假设句）在语义上是否存在推理蕴涵关系。作为自然语言理解的一个重要组成部分,NLI专注于语义理解，是

? GitHub • ? Discord • ? Twitter • ? WeChat ? Paper • ? Tech Blog • ? FAQ • ? Lear

Model Card for InternVL-Chat-V1.5-Int8 Two interns holding hands, symbolizing the integratio