全部 skill

大型语言与视觉助手。支持视觉指令微调与基于图像的对话。结合 CLIP 视觉编码器与 Vicuna/LLaMA 语言模型。支持多轮图像聊天、视觉问答、指令跟随。用于视觉语言聊天机器人或图像理解任务。最适合对话式图像分析。