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是一种无编码器视觉语言模型，能够同时处理图像和文本输入，用于各类视觉语言任务。该模型不依赖视觉编码器提取视觉特征，而是采用纯解码器架构直接处理多模态信息。
主要能力
该模型可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。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。支持高分辨率和多种宽高比的图像处理。
输入输出
输入：图像和文本描述
输出：文本响应
运行要求
模型参数规模：7B
单个权重文件大小：约14GB
基本用法
提供三种模型权重版本：预训练版本、指令微调版本、高分辨率版本。用户可根据需求选择相应版本进行部署和使用。
限制
该模型为纯解码器架构，在某些特定视觉语言任务上的能力边界需进一步验证。
许可证
如在研究中使用该模型，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。
