paligemma-3b-mix-448

基于SigLIP和Gemma的多语言视觉语言模型

视觉语言模型图像处理 Huggingface 模型 PaliGemma Github 多语言开源项目微调

PaliGemma是一款基于SigLIP视觉模型和Gemma语言模型的视觉语言模型，采用3B参数的Transformer架构。该模型支持多语言输入输出，可用于图像描述、视觉问答和文本识别等任务。PaliGemma在多个大规模数据集上经过预训练，并通过严格的数据过滤确保了训练数据质量。模型适用于各类视觉语言任务的微调，在多项基准测试中展现了优异性能。

Github

Huggingface

介绍相关项目

gemma-2-2b - 轻量级文本生成模型，支持多任务应用

GemmaGithubHuggingface开源项目文本生成机器学习模型语言模型谷歌

Gemma是Google推出的开源文本生成模型，专用于问答、文本总结和推理等任务。其模型小巧，易于在笔记本或云基础设施等资源有限的环境中部署。支持多种应用场景，例如内容生成、聊天机器人、自然语言处理研究和语言学习。模型使用多样化来源的数据进行训练，覆盖广泛的语言风格和主题。

gemma-2-2b-it - Google开发的2B参数轻量级语言模型用于多种文本生成

GemmaGithubHuggingface人工智能大语言模型开源项目机器学习模型自然语言处理

gemma-2-2b-it是Google基于Gemini技术开发的轻量级开源语言模型。这个2B参数的指令微调模型适用于问答、摘要和推理等文本生成任务。模型体积小巧，可在资源受限环境部署，为开发者提供AI能力。采用英语训练并支持开放权重，有助于促进AI技术创新和应用。

VisualGLM-6B - 一个具备处理图像、中文和英文的能力的开源多模态对话语言模型

GithubVisualGLM-6B图像描述多模态对话模型开源开源项目微调

VisualGLM-6B是一个开源多模态对话语言模型，具备处理图像、中文和英文的能力。该模型继承自强大的ChatGLM-6B基础，增添了6.2亿参数，整合了先进的BLIP2-Qformer技术，达到了语言和视觉数据的高效融合。模型总参数量为7.8亿，展现在多个核心多模态任务上的卓越效能。针对各种应用场景均进行了优化，支持在消费级显卡上运行，降低了使用门槛，拓展了其在学术研究和实务应用中的潜力。

gemma-2-9b-it-GGUF - Gemma轻量级语言模型提供多种文本生成功能

GemmaGithubHuggingface人工智能开源项目文本生成模型语言模型量化

gemma-2-9b-it-GGUF是Gemma系列轻量级开源语言模型的GGUF格式版本。这个由Google开发的模型适用于问答、摘要和推理等多种文本生成任务。其体积小巧，易于在资源有限的环境中部署，使先进AI技术更加普及。项目提供多种量化版本，可满足不同硬件配置需求。

Gemma-2-9B-It-SPPO-Iter3 - 通过自我游戏偏好优化增强语言模型 alignment

Gemma-2-9B-It-SPPO-Iter3GithubHuggingface合成数据集开源项目模型自我博弈偏好优化语言模型超参数

Gemma-2-9B-It-SPPO-Iter3以google/gemma-2-9b-it为基础，经过第三次自我游戏偏好优化迭代开发，结合openbmb/UltraFeedback数据集微调。在合成数据集中展现了出色的性能，LC.获胜率达到53.27%，在AlpacaEval排行榜上表现优良。项目主要使用英语，遵循Apache-2.0许可，适用于多种自然语言处理场景。

colpali-v1.2 - 基于PaliGemma-3B和ColBERT策略的创新视觉文档检索模型

ColPaliGithubHuggingface多模态开源项目文档检索模型视觉检索语言模型

ColPali-v1.2是一种创新的视觉文档检索模型，结合了PaliGemma-3B和ColBERT策略。它通过生成文本和图像的多向量表示，有效提高了检索效率。模型采用混合数据集和LoRA技术进行训练，在英语和非英语文档检索任务中表现出色。ColPali-v1.2主要针对PDF类文档，为文档检索领域提供了新的解决方案。该模型在处理视觉特征和跨语言检索方面具有优势，但在其他类型文档的应用上可能存在局限性。

gemma-1.1-2b-it-GPTQ - 基于Gemma开发的轻量级量化模型实现本地高效部署

AI模型训练GemmaGithubHuggingface人工智能安全大型语言模型开源项目模型语言生成

Gemma-1.1-2b-it的GPTQ量化版本实现了模型性能与资源消耗的平衡。通过支持4-bit、8-bit等多种量化精度和Flash Attention 2加速技术，使其能在普通笔记本电脑和台式机上高效运行。该模型可用于文本生成、问答、总结等自然语言处理任务，并针对不同计算设备提供了完整的部署优化方案。

gemma - Google DeepMind开源的Gemma大语言模型

GemmaGithubGoogle DeepMindJAX大语言模型开源权重开源项目

Gemma是Google DeepMind推出的开源大语言模型系列，基于Gemini技术开发。项目提供Flax和JAX框架的推理实现和示例，支持CPU、GPU和TPU等多种硬件平台。包括模型权重下载、入门指南、示例代码和教程，便于开发者学习和应用。Gemma共有2B和7B两种参数规模的模型可供选择。

MGM - 多模态视觉语言模型的潜力挖掘与创新

AI绘图GithubMini-Gemini图像理解多模态视觉语言模型大语言模型开源项目

Mini-Gemini项目探索多模态视觉语言模型的新可能。该项目支持2B至34B规模的大语言模型,实现图像理解、推理和生成功能。基于LLaVA构建的Mini-Gemini提供完整资源,包括预训练权重、数据集和评估基准。通过双视觉编码器和patch信息挖掘等技术创新,Mini-Gemini实现了文本与图像的深度融合。

gemma-2-9b-it-GGUF - Gemma 2 Instruct模型，支持多语言与复杂文本生成

GemmaGithubGoogleHuggingface开源项目文本生成模型编程语言语言模型

Google推出的Gemma 2 Instruct是全新文本生成模型，旨在高效处理多语言和编程任务。训练基于8万亿令牌，数据量较前代提升30%，覆盖网络文档、代码和数学等数据集，支持复杂文本生成与逻辑推理。模型参数仅9亿，对硬件要求较低，适合内存有限的用户，同时具备多语言和代码生成能力。

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号