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是一种无编码器的视觉语言模型（VLM），能够同时处理视觉和语言输入，用于视觉语言任务。
主要能力
该模型无需使用视觉编码器提取视觉特征，直接接受图像和文本输入。在仅使用3500万公开可访问数据训练的情况下，EVE能够在多个视觉语言基准测试中达到与同规模基于编码器的视觉语言模型相当的性能。EVE-7B在多项测试中显著优于Fuyu-8B。
输入输出
输入：无缝整合的视觉和语言信息
输出：视觉语言任务的处理结果
运行要求
模型权重文件约14GB，需要GPU进行推理。
基本用法
提供三个版本的预训练和指令微调权重：EVE-7B-HD-v1.0、EVE-7B-v1.0、EVE-7B-Pretrain-v1.0。
限制
该模型为纯解码器架构的视觉语言模型。
许可证
如在研究中使用EVE，请引用相关论文。
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。
