一个令人难以置信的项目，但名称选择不当。沙特阿拉伯阿卜杜拉国王科技大学的一个团队将 Vicuna-13B（在 Facebook 的 LLaMA 之上微调的模型）与 BLIP-2 视觉语言模型相结合，创建了一个可以在周围进行 ChatGPT 式对话的模型一张上传的图片。该演示非常令人印象深刻，并且可以下载权重 – MiniGPT-4 为 45MB，但您还需要更大的 Vicuna 和 LLaMA 权重。
通过黑客新闻
原文： http://simonwillison.net/2023/Apr/17/minigpt-4/#atom-everything