No commit message

No commit message

README.md

@@ -25,11 +25,12 @@ LLaVA 的最新进展包括支持动态高分辨率处理，以及多语言的
 
 ## 算法原理
 
-和Qwen一样，Qwen1.5仍然是一个decoder-only的transformer模型，使用SwiGLU激活函数、RoPE、多头注意力机制等。
+LLaVA（Large Language and Vision Assistant）的算法原理主要包括以下几个方面：
 
-<div align=center>
-    <img src="./doc/qwen1.5.png"/>
-</div>
+* **视觉指令调优** ：通过使用GPT-4生成的多模态语言-图像指令数据，对模型进行调优，以提高其在新任务上的零样本能力。
+* **大规模多模态模型** ：将CLIP的视觉编码器与Vicuna的语言解码器连接，形成一个端到端训练的多模态模型，用于通用的视觉和语言理解。
+* **数据生成** ：利用GPT-4生成多模态指令跟随数据，包括对图像内容的详细描述和复杂推理问题。
+* **评估基准** ：构建了两个评估基准，包含多样且具有挑战性的应用任务，以测试模型的多模态对话能力。
 
 ## 环境配置