/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
8,8 ГБ
Лицензия
Apache 2.0
Архитектура
compodistill · dense
Опубликована
4 июл 2026

CompoDistill-Teacher-4B

Генерация текстаТекст → текст3 профессии

Мультимодальная модель на базе Qwen1.5-4B и SigLIP-so400m для диалоговых задач с изображениями и обучения CompoDistill-2B.

17скачиваний за 30 дней0лайковвеса обновлены4 июл 2026

Бенчмарки

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

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

CompoDistill-Teacher-4B — мультимодальная языковая модель, разработанная авторами CompoDistill как учитель для дистилляции CompoDistill-2B. Она построена на Qwen1.5-4B и SigLIP-so400m и обучена визуальной настройкой инструкций в стиле LLaVA.

Модель предназначена для диалоговых задач с изображениями и текстом, включая композиционное рассуждение; также её можно использовать как учитель в обучении с дистилляцией внимания и ответов. В репозитории представлены веса safetensors. Лицензия — Apache-2.0.

Карточка не сообщает измеренные ограничения качества или контекстное окно; модель описана прежде всего как учитель для обучения, поэтому её пригодность для самостоятельного пользовательского применения отдельно не подтверждена.

Сценарии применения

  • ответы на вопросы по изображениям
  • диалог о содержимом изображения
  • композиционное рассуждение по изображению и тексту
  • дистилляция мультимодальной модели-ученика
  • обучение модели с передачей внимания учителя

Ограничения

В README модель позиционируется как учитель для дистилляции, а не как проверенный самостоятельный ассистент; показатели качества и длина контекста не приведены.

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

CompoDistill-Teacher-4B

The teacher MLLM (Qwen1.5-4B + SigLIP-so400m) trained with LLaVA-style visual instruction tuning. Serves as the distillation teacher for CompoDistill-2B; can be passed directly to scripts/train/dpt.sh / dft.sh via --pretrained_teacher_model_path.

Released with the paper CompoDistill: Attention Distillation for Compositional Reasoning in Multimodal LLMs (arXiv:2510.12184). Training and evaluation code: https://github.com/ptkjw1997/CompoDistill

Usage

import torch
from PIL import Image
from transformers import AutoModelForCausalLM, AutoTokenizer, AutoImageProcessor

repo = "JiwanKim/CompoDistill-Teacher-4B"
model = AutoModelForCausalLM.from_pretrained(repo, trust_remote_code=True,
                                             torch_dtype=torch.float16).to("cuda")
tokenizer = AutoTokenizer.from_pretrained(repo, use_fast=False)
image_processor = AutoImageProcessor.from_pretrained(repo)

image = Image.open("example.jpg")
print(model.chat("What is happening in this image?", tokenizer,
                 image=image, image_processor=image_processor))

Citation

@article{kim2025compodistill,
  title={CompoDistill: Attention Distillation for Compositional Reasoning in Multimodal LLMs},
  author={Kim, Jiwan and Kim, Kibum and Seo, Sangwoo and Park, Chanyoung},
  journal={arXiv preprint arXiv:2510.12184},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
CompoDistillForConditionalGeneration
Ревизия весов
45ed782

0 моделей