模型详情
模型介绍
中文整理EVE：无编码器视觉语言模型
模型用途
EVE是一种无编码器（encoder-free）的纯视觉语言模型，能够同时处理图像和文本输入，执行各类视觉语言任务。该模型摒弃了传统VLM中的视觉编码器，直接接受无缝整合的视觉和语言输入。
主要能力
该模型可在多个视觉语言基准测试中达到与同类规模基于编码器的VLM相当的水平。仅使用3500万公开可访问数据进行训练，性能显著优于Fuyu-8B模型。模型采用纯解码器架构，具有较高的透明度和效率。
输入输出
输入：无缝整合的视觉图像和自然语言文本。输出：针对视觉语言任务的响应结果。
运行要求
模型权重文件大小约为14GB，需要具备相应存储空间和GPU计算资源以支持推理运行。
基本用法
模型提供预训练版本和指令微调版本。EVE-7B-HD-v1.0为高分辨率指令微调版本；EVE-7B-v1.0为标准分辨率指令微调版本；EVE-7B-Pretrain-v1.0为预训练版本。用户可根据需求选择相应版本加载使用。
限制
无编码器架构的训练存在收敛较慢和性能差距的挑战，需要采用特定的训练策略才能达到理想效果。
许可证
原始论文未明确说明许可证相关信息。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。