Ubuntu
commited on
Commit
•
01ba545
1
Parent(s):
c26219e
update readme
Browse files
README.md
CHANGED
|
@@ -21,8 +21,27 @@ GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开
|
|
| 21 |
在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出较高的性能。
|
| 22 |
除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏览、代码执行、自定义工具调用（Function Call）和长文本推理（支持最大 128K 上下文）等高级功能。
|
| 23 |
本代模型增加了多语言支持，支持包括日语，韩语，德语在内的 26 种语言。我们还推出了支持 1M 上下文长度（约 200 万中文字符）的模型。
|
| 24 |
-
本仓库是 GLM-4-9B 的多模态开源版本 GLM-4V-9B 模型。
|
| 25 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 26 |
## 运行模型
|
| 27 |
|
| 28 |
```python
|
|
@@ -35,9 +54,7 @@ device = "cuda"
|
|
| 35 |
tokenizer = AutoTokenizer.from_pretrained("THUDM/glm-4v-9b", trust_remote_code=True)
|
| 36 |
|
| 37 |
query = '描述这张图片'
|
| 38 |
-
|
| 39 |
image = Image.open("your image").convert('RGB')
|
| 40 |
-
|
| 41 |
inputs = tokenizer.apply_chat_template([{"role": "user", "image": image, "content": query}],
|
| 42 |
add_generation_prompt=True, tokenize=True, return_tensors="pt",
|
| 43 |
return_dict=True) # chat mode
|
|
@@ -57,7 +74,7 @@ with torch.no_grad():
|
|
| 57 |
print(tokenizer.decode(outputs[0]))
|
| 58 |
```
|
| 59 |
|
| 60 |
-
## 协议
|
| 61 |
|
| 62 |
GLM-4 模型的权重的使用则需要遵循 [LICENSE](LICENSE)。
|
| 63 |
|
|
|
|
| 21 |
在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出较高的性能。
|
| 22 |
除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏览、代码执行、自定义工具调用（Function Call）和长文本推理（支持最大 128K 上下文）等高级功能。
|
| 23 |
本代模型增加了多语言支持，支持包括日语，韩语，德语在内的 26 种语言。我们还推出了支持 1M 上下文长度（约 200 万中文字符）的模型。
|
|
|
|
| 24 |
|
| 25 |
+
### 多模态能力
|
| 26 |
+
|
| 27 |
+
GLM-4V-9B 是一个多模态语言模型，具备视觉理解能力，其相关经典任务的评测结果如下：
|
| 28 |
+
|
| 29 |
+
| | **MMBench-EN-Test** | **MMBench-CN-Test** | **SEEDBench_IMG** | **MMStar** | **MMMU** | **MME** | **HallusionBench** | **AI2D** | **OCRBench** |
|
| 30 |
+
|-------------------------|---------------------|---------------------|-------------------|------------|----------|---------|--------------------|----------|--------------|
|
| 31 |
+
| | 英文综合 | 中文综合 | 综合能力 | 综合能力 | 学科综合 | 感知推理 | 幻觉性 | 图表理解 | 文字识别 |
|
| 32 |
+
| **GPT-4o, 20240513** | 83.4 | 82.1 | 77.1 | 63.9 | 69.2 | 2310.3 | 55 | 84.6 | 736 |
|
| 33 |
+
| **GPT-4v, 20240409** | 81 | 80.2 | 73 | 56 | 61.7 | 2070.2 | 43.9 | 78.6 | 656 |
|
| 34 |
+
| **GPT-4v, 20231106** | 77 | 74.4 | 72.3 | 49.7 | 53.8 | 1771.5 | 46.5 | 75.9 | 516 |
|
| 35 |
+
| **InternVL-Chat-V1.5** | 82.3 | 80.7 | 75.2 | 57.1 | 46.8 | 2189.6 | 47.4 | 80.6 | 720 |
|
| 36 |
+
| **LlaVA-Next-Yi-34B** | 81.1 | 79 | 75.7 | 51.6 | 48.8 | 2050.2 | 34.8 | 78.9 | 574 |
|
| 37 |
+
| **Step-1V** | 80.7 | 79.9 | 70.3 | 50 | 49.9 | 2206.4 | 48.4 | 79.2 | 625 |
|
| 38 |
+
| **MiniCPM-Llama3-V2.5** | 77.6 | 73.8 | 72.3 | 51.8 | 45.8 | 2024.6 | 42.4 | 78.4 | 725 |
|
| 39 |
+
| **Qwen-VL-Max** | 77.6 | 75.7 | 72.7 | 49.5 | 52 | 2281.7 | 41.2 | 75.7 | 684 |
|
| 40 |
+
| **GeminiProVision** | 73.6 | 74.3 | 70.7 | 38.6 | 49 | 2148.9 | 45.7 | 72.9 | 680 |
|
| 41 |
+
| **Claude-3V Opus** | 63.3 | 59.2 | 64 | 45.7 | 54.9 | 1586.8 | 37.8 | 70.6 | 694 |
|
| 42 |
+
| **GLM-4v-9B** | 81.1 | 79.4 | 76.8 | 58.7 | 47.2 | 2163.8 | 46.6 | 81.1 | 786 |
|
| 43 |
+
|
| 44 |
+
**本仓库是 GLM-4V-9B 的模型仓库，支持`8K`上下文长度。**
|
| 45 |
## 运行模型
|
| 46 |
|
| 47 |
```python
|
|
|
|
| 54 |
tokenizer = AutoTokenizer.from_pretrained("THUDM/glm-4v-9b", trust_remote_code=True)
|
| 55 |
|
| 56 |
query = '描述这张图片'
|
|
|
|
| 57 |
image = Image.open("your image").convert('RGB')
|
|
|
|
| 58 |
inputs = tokenizer.apply_chat_template([{"role": "user", "image": image, "content": query}],
|
| 59 |
add_generation_prompt=True, tokenize=True, return_tensors="pt",
|
| 60 |
return_dict=True) # chat mode
|
|
|
|
| 74 |
print(tokenizer.decode(outputs[0]))
|
| 75 |
```
|
| 76 |
|
| 77 |
+
## 协议 (License)
|
| 78 |
|
| 79 |
GLM-4 模型的权重的使用则需要遵循 [LICENSE](LICENSE)。
|
| 80 |
|