/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Архитектура
qwen2_vl · dense
Базовая модель
Qwen2-VL-2B-Instruct
Библиотека
transformers
Опубликована
22 янв 2025

qwen2vl-model-2b-instruct-spatial-information-v1

Изображение и текст → текст

Компактная дообученная мультимодальная модель Qwen2-VL для диалога и анализа изображений по текстовым запросам.

13скачиваний за 30 дней0лайковвеса обновлены22 янв 2025

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

Haziqa/qwen2vl-model-2b-instruct-spatial-information-v1 — дообученная Haziqa модель на основе Qwen/Qwen2-VL-2B-Instruct, обученная с использованием TRL. Это компактная плотная мультимодальная модель семейства Qwen2-VL с 1,5 млрд параметров, предназначенная для диалога и анализа изображений по текстовым запросам. Репозиторий поддерживает формат safetensors; модель принимает текст и изображения и генерирует текст, а заявленная длина контекста составляет 32 768 токенов.

Название версии указывает на пространственную информацию, однако карточка не описывает конкретные обучающие данные, точность или специальные пространственные задачи. README приводит пример текстового диалога и не сообщает лицензию, поэтому условия использования по доступным сведениям определить нельзя.

Сценарии применения

  • ответы на текстовые вопросы о содержимом изображения
  • описание объектов и их расположения на изображении
  • диалог с визуальным контекстом
  • анализ сцен и пространственных отношений на изображении

Ограничения

Карточка не приводит оценок качества и описания конкретных пространственных возможностей; назначение пространственной версии известно главным образом из её названия. Лицензия и ограничения использования в README не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for qwen2vl-model-2b-instruct-spatial-information-v1

This model is a fine-tuned version of Qwen/Qwen2-VL-2B-Instruct. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="Haziqa/qwen2vl-model-2b-instruct-spatial-information-v1", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.13.0
  • Transformers: 4.47.1
  • Pytorch: 2.5.1+cu121
  • Datasets: 3.2.0
  • Tokenizers: 0.21.0

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
5e77250

0 моделей