GPT-4的视觉能力还没全量放开测试，开源对手就隆重登场了。
浙大竺院的一位校友，与微软研究院等机构合作推出了新版多模态模型LLaVA。
LLaVA在11个测试数据集上都成为了SOTA，在GitHub上更是斩获6k+星标。
开发者提供的数据显示，LLaVA的综合能力已经达到了GPT-4V水平的85%，在复杂推理任务上更是超过了96%。
读验证码、判断狗的品种，甚至根据图像生成网页代码……都难不倒LLaVA。
△/Matt Shumer
资源方面，LLaVA的样本量仅为120万，在单台8*A100的机器上，1天就能完成训练。
不过体验过的网友普遍表示，LLaVA离GPT-4V还存在一些差距。
