LLaVaOLMoBitnet1B: Ternair LLM gaat Multimodaal!

LLaVaOLMoBitnet1B: Ternary LLM goes Multimodal!

August 23, 2024

Auteurs: Jainaveen Sundaram, Ravishankar Iyer

cs.AI

Samenvatting

Multimodale Large Language Models (MM-LLMs) hebben het afgelopen jaar aanzienlijke vooruitgang geboekt en indrukwekkende prestaties getoond bij diverse taken. Om AI echter echt te democratiseren, moeten modellen sterke capaciteiten vertonen en efficiënt kunnen draaien op kleine rekenkracht die voor de meeste mensen toegankelijk is. Als onderdeel van deze zoektocht introduceren we LLaVaOLMoBitnet1B - het eerste ternaire multimodale LLM dat afbeelding(en)+tekst als invoer kan accepteren om samenhangende tekstuele antwoorden te produceren. Het model is volledig open-source gemaakt, samen met trainingsscripts, om verder onderzoek in dit domein aan te moedigen. Dit bijbehorende technische rapport belicht het trainingsproces, evaluatiedetails, uitdagingen die gepaard gaan met ternaire modellen en toekomstige mogelijkheden. Link naar het model: https://huggingface.co/IntelLabs/LlavaOLMoBitnet1B

English

Multimodal Large Language Models (MM-LLMs) have seen significant advancements in the last year, demonstrating impressive performance across tasks. However, to truly democratize AI, models must exhibit strong capabilities and be able to run efficiently on small compute footprints accessible by most. Part of this quest, we introduce LLaVaOLMoBitnet1B - the first Ternary Multimodal LLM capable of accepting Image(s)+Text inputs to produce coherent textual responses. The model is fully open-sourced along with training scripts to encourage further research in this space. This accompanying technical report highlights the training process, evaluation details, challenges associated with ternary models and future opportunities. Link to the model: https://huggingface.co/IntelLabs/LlavaOLMoBitnet1B