掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！
Bunny 團隊推出第一個基于 Llama-3 的多模態大模型！Bunny-Llama-3-8B-V 正式上線，超越一眾如 LLaVA-7B、LLaVA-13B、Mini-Gemini-13B模型。在眾多主流 Benchmark 上表現良好，具有更好的識別、數學和推理能力。
項目主頁:
https://github.com/BAAI-DCAI/Bunny
Bunny 模型采用了經典的 Encoder+Projector+LLM 架構，提供了一個可擴展的組合框架。支持多種 Vision Encoders，如 EVA CLIP、SigLIP 等，以及多種 LLM Backbone，包括 Phi-1.5、Phi-2、StableLM-2、Llama-3 等。靈活的架構設計便于用戶基于Bunny開展大模型研究。
Bunny-Llama-3-8B-V可以精確理解圖片并識別物體：
在這個餐廳中，Bunny-Llama-3-8B-V 理解并很好地描述了圖片:
模型也有很強的OCR能力:
場景理解能力：
在 Bunny 數據集上訓練好的 Bunny-Llama-3-8B-V 已經開放下載:
GitHub: https://github.com/BAAI-DCAI/Bunny
HuggingFace: https://huggingface.co/BAAI/Bunny-Llama-3-8B-V
Modelscope: https://modelscope.cn/models/BAAI/Bunny-Llama-3-8B-V
Wisemodel: https://wisemodel.cn/models/BAAI/Bunny-Llama-3-8B-V
預計會在未來發布性能更強悍的版本，STAY TUNED!
何愷明在MIT授課的課件PPT下載
