/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Библиотека
transformers
Опубликована
25 мар 2026

Gen-Searcher-SFT-8B

Изображение и текст → текст3 профессии

Промежуточная мультимодальная SFT-модель агента Gen-Searcher для поиска и анализа веб- и визуальных источников перед генерацией изображений.

17скачиваний за 30 дней6лайковвеса обновлены2 апр 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

Gen-Searcher-SFT-8B — промежуточная мультимодальная модель для агента Gen-Searcher, представленная в работе Gen-Searcher: Reinforcing Agentic Search for Image Generation. Это дообученная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration; репозиторий содержит веса в формате safetensors. Модель предназначена для агентного поиска в интернете и по визуальным источникам: она просматривает свидетельства, сопоставляет несколько источников и собирает знания для последующей генерации изображений в реальных сценариях.

Этот SFT-чекпойнт подготовлен как этап перед дальнейшим обучением с подкреплением методом GRPO и двойной обратной связью по вознаграждению. В статье описаны датасеты Gen-Searcher-SFT-10k и Gen-Searcher-RL-6k, а также бенчмарк KnowGen; авторы сообщают об улучшениях более чем на 15 пунктов на KnowGen и WISE и о переносимости на разные генераторы изображений. Лицензия репозитория — Apache-2.0. README характеризует модель как промежуточный этап обучения, поэтому её готовность для самостоятельного производственного применения не подтверждена.

Сценарии применения

  • поиск веб-источников для подготовки изображения по сложному запросу
  • сбор и сопоставление свидетельств из нескольких источников
  • поиск визуальных референсов для генерации изображения
  • подготовка актуальных знаний для работы с генератором изображений
  • эксперименты с агентным поиском и генерацией изображений

Ограничения

Это промежуточный SFT-чекпойнт, подготовленный для последующего обучения GRPO, и его готовность к самостоятельному производственному использованию не заявлена. Веса модели сами по себе не являются генератором изображений: README описывает поиск и подготовку знаний для последующей генерации.

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

Gen-Searcher SFT Model

This repository contains the Supervised Fine-Tuning (SFT) model presented in the paper: Gen-Searcher: Reinforcing Agentic Search for Image Generation.

This is an intermediate model prepared for subsequent reinforcement learning (RL) training using the GRPO algorithm with dual reward feedback.

🌐 Project Page | 💻 Code | 📖 Paper

👀 Intro

We introduce Gen-Searcher, as the first attempt to train a multimodal deep research agent for image generation that requires complex real-world knowledge. Gen-Searcher can search the web, browse evidence, reason over multiple sources, and search visual references before generation, enabling more accurate and up-to-date image synthesis in real-world scenarios.

We build two dedicated training datasets Gen-Searcher-SFT-10k, Gen-Searcher-RL-6k and one new benchmark KnowGen for search-grounded image generation.

Gen-Searcher achieves significant improvements, delivering 15+ point gains on the KnowGen and WISE benchmarks. It also demonstrates strong transferability to various image generators.

All code, models, data, and benchmark are fully released.

🎥 Demo

Inference Process Example

For more examples, please refer to our website [🌐 Project Page].

Citation

If you find our work helpful for your research, please consider citing our work:

@article{feng2026gen,
  title={Gen-Searcher: Reinforcing Agentic Search for Image Generation},
  author={Feng, Kaituo and Zhang, Manyuan and Chen, Shuang and Lin, Yunlong and Fan, Kaixuan and Jiang, Yilei and Li, Hongyu and Zheng, Dian and Wang, Chenyang and Yue, Xiangyu},
  journal={arXiv preprint arXiv:2603.28767},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
9482f26

0 моделей