SEED

收录理由

SEED-LLaMA 把图像理解与图像生成放进同一个大语言模型里，这种设计思路对研究视觉和语言如何真正融合、而不是简单拼接的人很有参考价值。仓库给出了完整的训练流程：SEED tokenizer 把视觉信号转成离散 token，8B 和 14B 两个规模的预训练与指令微调代码也都开放，想复现方法或改成自己用的研究者可以直接上手。发布的权重还做了 8bit 量化和动态加载，单张 16GB 或 24GB 显存的卡就能跑起来，省去不少硬件门槛；在线 Gradio 演示也方便你先体验一下助手式的多模态对话，再决定要不要本地部署。作为 ICLR 2024 论文的官方实现，它更适合当作研究起点和参考代码库，而不是开箱即用的产品。