/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
phi3 · dense
Библиотека
transformers
Опубликована
5 июн 2024

HPT1_5-Edge

Генерация текстаТекст → текст3 профессии

Мультимодальная модель HyperGAI на базе Phi-3-mini для понимания изображений и текста и ответов на вопросы о визуальном содержимом.

23скачиваний за 30 дней9лайковвеса обновлены5 июн 2024

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 «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

HPT 1.5 Edge — мультимодальная модель HyperGAI для понимания изображений и текста. Она построена на языковой модели Microsoft Phi-3-mini-4k-instruct и визуальном энкодере SigLIP SO400M patch14-384; число параметров — 3,7 млрд, контекст — 4096 токенов. Модель предназначена для ответов на вопросы о визуальном содержимом и решения задач, требующих совместного анализа изображения и текста.

HPT 1.5 Edge ориентирована на оценку мультимодального понимания и рассуждений на бенчмарках, а также на исследовательские и прикладные эксперименты с визуально-языковыми моделями. Поддерживаемый язык в карточке — английский. Репозиторий содержит веса в формате PyTorch safetensors, лицензия — Apache 2.0.

В модели нет встроенного механизма модерации, а авторы не гарантируют корректность ответов. Для практического применения, где важны безопасные ответы, потребуется отдельная проверка или модерация результатов.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание изображений по текстовому запросу
  • анализ визуальных сцен с рассуждением
  • оценка визуально-языковых моделей на бенчмарках

Ограничения

У модели нет встроенной модерации, и авторы не гарантируют корректность результатов. Для сценариев с требованиями к безопасности необходима отдельная проверка ответов.

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

Model Card for HPT

Hyper-Pretrained Transformers (HPT) is a novel multimodal LLM framework from HyperGAI, and has been trained for vision-language models that are capable of multimodal understanding for both textual and visual inputs. Here we release our best open-sourced Multimodal LLM HPT 1.5 Edge. Built with Microsoft Phi-3-mini, our hyper capable HPT 1.5 Edge packs a punch on real world understanding and complex reasoning. This repository contains the open-source weight to reproduce the evaluation results of HPT 1.5 Edge on different benchmarks.

For full details of this model please read our technical blog post

Run the model

Please use the scripts available in our Github repository to utilize the model.

Troubleshooting

Please report the issue at our Github repo

Pretrained models used

Disclaimer and Responsible Use

Note that the HPT Edge is a quick open release of our models to facilitate the open, responsible AI research and community development. It does not have any moderation mechanism and provides no guarantees on their results. We hope to engage with the community to make the model finely respect guardrails to allow adoptions in practical applications requiring moderated outputs.

Contact Us

License

This project is released under the Apache 2.0 license. Parts of this project contain code and models from other sources, which are subject to their respective licenses and you need to apply their respective license if you may want to use for commercial purposes.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
f5242c2

0 моделей