模型LLaMA-3.2 11B Vision / Llama 3.2 Vision

LLaMA-3.2 11B Vision

Meta发布的LLaMA系列多模态视觉语言模型，参数量110亿，支持图像理解任务

时间轴 (近 90 天)

10月16日

实验覆盖 GPT-4o、Qwen-VL Max 和 LLaMA-3.2 11B Vision 三个模型。

待验证50%

10月16日

GPT-4o、Qwen-VL Max 和 LLaMA 的标签—图像准确率差距分别达到 9.5、13.8 和 12.6 个百分点。

待验证50%

实验覆盖 GPT-4o、Qwen-VL Max 和 LLaMA-3.2 11B Vision 三个模型。

GPT-4o、Qwen-VL Max 和 LLaMA 的标签—图像准确率差距分别达到 9.5、13.8 和 12.6 个百分点。