/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
8,1 ГБ
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Библиотека
transformers
Опубликована
4 июл 2026

swiftvln-satnav-3b-1ep-f32s4-overlap0-pf-h0-nomem-pool-s2-noembed

Изображение и текст → текст3 профессии

Дообученная мультимодальная модель для предсказания коротких последовательностей навигационных действий по инструкции и спутниковым изображениям в бенчмарке SatNav.

26скачиваний за 30 дней0лайковвеса обновлены19 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это дообученная модель SwiftVLN на базе Qwen/Qwen2.5-VL-3B-Instruct, подготовленная для навигации по спутниковым изображениям в непрерывном бенчмарке SatNav. Она принимает инструкцию и текущее окно из 32 RGB-кадров и предсказывает последовательность из четырёх навигационных действий; кадры из предыдущих окон и долговременная визуальная память не используются.

Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2.5-VL и рассчитана на запуск через Transformers. Контекст модели — до 128 000 токенов; в описанном сценарии её входом служат текст и изображения. Веса дообучены за одну эпоху на экспертных траекториях SatNav-v0.1. Карточка указывает английский язык. Условия лицензии в предоставленных данных не приведены.

Сценарии применения

  • навигация по спутниковым изображениям по текстовой инструкции
  • предсказание четырёх действий для текущего окна наблюдений
  • оценка моделей vision-language navigation на бенчмарке SatNav

Ограничения

Модель использует только текущее окно из 32 кадров, не учитывает предыдущие окна и не имеет долговременной визуальной памяти. Обучена на экспертных траекториях SatNav-v0.1 за одну эпоху; её назначение ограничено сценарием SatNav.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SwiftVLN for SatNav — Short-Term Only

Related Repositories

  • SwiftVLN: training and evaluation code for these checkpoints.
  • SatNav: satellite-image navigation environments, datasets, and evaluation tools.

This checkpoint is designed for SwiftVLN on SatNav, the continuous-state vision-and-language navigation benchmark over satellite imagery. It predicts short navigation-action sequences from an instruction and the current RGB window, without observations from earlier windows.

Model

  • Starting checkpoint: Qwen/Qwen2.5-VL-3B-Instruct
  • Training data: SatNav-v0.1 offline expert trajectories
  • Training: 1 epoch, full-parameter fine-tuning, learning rate 2e-5
  • Context: 32 current RGB frames and no long-term visual memory
  • Prediction horizon: 4 actions

Repository name

  • swiftvln-satnav: SwiftVLN trained and evaluated on SatNav
  • 3b: Qwen2.5-VL 3B backbone
  • 1ep: trained for one epoch
  • f32s4: uses a 32-frame window and predicts four actions
  • overlap0: uses non-overlapping training windows
  • pf-h0-nomem: sets the number of history frames to zero
  • pool-s2: retains the per-frame processor configuration used by the reference model
  • noembed: uses no embedding enhancement

Reference Results

Results reported in the SatNav paper, memory-design ablation, row Short-term only.

SR, SPL, and OS are percentages. Changes in SR and OS are percentage points relative to the SwiftVLN reference model.

SplitSR (%)SPL (%)OS (%)Delta SR (pp)Delta OS (pp)
Test Seen (val_seen)44.543.862.8-21.3-9.6
Test Unseen (val_unseen)32.431.551.4-21.3-12.7

Usage

Use this checkpoint with the SwiftVLN evaluation guide. Keep the full repository name unchanged because SwiftVLN derives the evaluation configuration from it.

This checkpoint is the short-term-only ablation in the SwiftVLN SatNav Ablation Model Zoo.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
0ae4d7b

0 моделей