LLaVA-pp

给 LLaVA 换上 LLaMA-3/Phi-3 大脑，看图对话更聪明

LLaVA++ 是在经典多模态模型 LLaVA 基础上做的扩展版本，核心思路是把 LLaVA 的视觉编码器与更强的语言模型 Phi-3、LLaMA-3 结合，从而让模型既能看图又能用更强的语言能力对话。它解决的是原版 LLaVA 语言底座偏弱、回答质量和推理能力有限的问题，通过替换 LLM 主干，提升图文问答、图像描述、视觉指令跟随等任务的表现。项目提供训练与推理代码，支持在自定义图文数据上微调，输出 LLaVA-LLaMA-3、LLaVA-Phi-3 等变体。适合想低成本复现多模态大模型、研究视觉指令微调、或在自有数据上做领域适配的开发者，是 LLaVA 生态中较早上手 LLaMA-3/Phi-3 视觉版的参考实现。