/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.5-35B-A3B
Библиотека
transformers
Опубликована
26 фев 2026

Qwen3.5-35B-A3B-LaTeX-OCR

Изображение и текст → текст3 профессии

Мультимодальная модель FutureMa распознаёт рукописные математические формулы на изображениях и преобразует их в LaTeX.

27скачиваний за 30 дней5лайковвеса обновлены26 фев 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

FutureMa разработала эту мультимодальную модель на основе Qwen3.5-35B-A3B для распознавания математических формул на изображениях и преобразования рукописных выражений в LaTeX. Это модель зрения и языка с архитектурой Mixture of Experts: 35 млрд параметров всего, около 3 млрд активных; для адаптации применён LoRA. Модель рассчитана на распознавание рукописных формул, уравнений и математической записи в образовательных и исследовательских сценариях.

Обучение проводилось на 2 000 примерах из поднабора human_handwrite датасета linxy/LaTeX_OCR. Модель поддерживает английский и китайский языки. Она не оптимизирована для общего описания изображений и распознавания нематематического почерка; из-за небольшого обучающего набора может хуже справляться с необычными стилями письма и сложной нотацией. Для инференса рекомендуется около 30 ГБ видеопамяти или больше. Указана лицензия Qwen License.

Сценарии применения

  • перевод рукописных формул с изображения в LaTeX
  • распознавание математических уравнений в конспектах
  • оцифровка рукописных математических записей
  • извлечение формул из учебных материалов

Ограничения

Обучение на 2 000 примерах может ограничивать обобщение на разные стили письма и редкую или сложную математическую нотацию. Модель не предназначена для общего описания изображений или распознавания нематематического почерка и требует около 30 ГБ видеопамяти или больше для инференса.

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

Qwen3.5-35B-A3B-LaTeX-OCR

A fine-tuned version of Qwen/Qwen3.5-35B-A3B for LaTeX OCR tasks, specialized in recognizing handwritten mathematical expressions.

Model Details

Model Description

  • Developed by: FutureMa
  • Model type: Vision-Language Model (Multimodal)
  • Architecture: Mixture of Experts (MoE) - 256 experts, 8 active per token
  • Parameters: 35B total, ~3B active
  • Fine-tuning Method: LoRA (rank=8, alpha=32, target=all-linear)
  • Language(s): English, Chinese
  • License: Qwen License
  • Finetuned from: Qwen/Qwen3.5-35B-A3B

Uses

Direct Use

This model is designed for:

  • Converting handwritten mathematical expressions to LaTeX code
  • OCR of mathematical formulas and equations
  • Educational and research applications

Out-of-Scope Use

  • General image captioning (not optimized for this)
  • Non-mathematical handwriting recognition

How to Get Started with the Model

With ms-swift

CUDA_VISIBLE_DEVICES=0,1,2,3 \
swift infer \
    --model FutureMa/Qwen3.5-35B-A3B-LaTeX-OCR \
    --use_hf true \
    --stream true \
    --experts_impl grouped_mm \
    --device_map auto \
    --max_new_tokens 2048

With Transformers

from transformers import AutoModelForCausalLM, AutoProcessor

model = AutoModelForCausalLM.from_pretrained(
    "FutureMa/Qwen3.5-35B-A3B-LaTeX-OCR",
    torch_dtype="bfloat16",
    device_map="auto",
    trust_remote_code=True
)
processor = AutoProcessor.from_pretrained(
    "FutureMa/Qwen3.5-35B-A3B-LaTeX-OCR",
    trust_remote_code=True
)

# Example usage with an image
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "path/to/math_image.png"},
            {"type": "text", "text": "Convert this handwritten math to LaTeX."}
        ]
    }
]

inputs = processor(messages, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
result = processor.decode(outputs[0], skip_special_tokens=True)
print(result)

Training Details

Training Data

Training Procedure

Training Hyperparameters

  • Precision: bfloat16
  • Learning Rate: 1e-4
  • LR Scheduler: Cosine
  • Warmup Ratio: 0.05
  • Batch Size: 1 (per device)
  • Gradient Accumulation Steps: 4
  • Epochs: 1
  • Max Sequence Length: 2048
  • Optimizer: AdamW (fused)
  • Weight Decay: 0.1
  • LoRA Rank: 8
  • LoRA Alpha: 32

Hardware

  • GPUs: 4x NVIDIA RTX PRO 6000 (96 GiB VRAM total)
  • Training Mode: device_map auto (single-process multi-GPU, no DeepSpeed)

Training Results

MetricValue
Final Train Loss~0.001
Final Token Accuracy~100%
Eval Loss~0.0006

Technical Specifications

Compute Infrastructure

Software

  • Framework: ms-swift v4.x
  • Transformers: 5.2.0+
  • Dependencies: qwen_vl_utils>=0.0.14, decord, torchvision

Bias, Risks, and Limitations

  • Fine-tuned on a relatively small dataset (2,000 samples), may not generalize well to all mathematical notation styles
  • May struggle with complex or unusual mathematical notations not present in training data
  • Requires significant GPU memory for inference (~30GB+ recommended)
  • Inherits any biases present in the base Qwen3.5-35B-A3B model

Citation

@misc{qwen3.5-latex-ocr-2026,
  author = {FutureMa},
  title = {Qwen3.5-35B-A3B-LaTeX-OCR: Fine-tuned Qwen3.5 for Handwritten LaTeX OCR},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/FutureMa/Qwen3.5-35B-A3B-LaTeX-OCR}
}

Model Card Contact

For questions or issues, please open an issue on the model repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
71a3515

0 моделей