Модель InternVL3.5-8B с обучаемым ReToken для поиска релевантного визуального содержимого по текстовому запросу.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
AvaXiao/ReToken-InternVL3.5-8B — модель на базе InternVL3.5-8B с методом ReToken для визуального поиска. ReToken добавляет обучаемый токен-запрос, который выбирает из предварительно заполненного визуального KV-кэша разреженный набор визуальных токенов, релевантных запросу. Репозиторий связан с работой «ReToken: One Token to Improve Vision–Language Models for Visual Retrieval». Модель принимает изображения и текстовые запросы и предназначена для визуального поиска по содержимому изображений.
Весы опубликованы в формате safetensors, лицензия — MIT. README не уточняет размер контекста, поддерживаемые естественные языки и оценочные показатели качества.
В карточке не приведены количественные оценки качества и сведения о поддерживаемых языках. Метод рассчитан на выбор релевантных визуальных токенов из предварительно заполненного визуального KV-кэша.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository contains the model from the paper ReToken: One Token to Improve Vision-Language Models for Visual Retrieval.
ReToken is a single learnable embedding trained as an explicit retrieval target that selects a sparse set of query-relevant visual tokens from a pre-filled visual KV cache.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Модели нужен код из репозитория; автор пока не в списке доверенных организаций.