/ Модель

Характеристики

Контекст
262 144 токена
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
6 авг 2026

ror-recite-9b

Компьютерное зрениеВидео, текст → текст3 профессии

Дообученная Qwen3.5-9B анализирует видео дорожного движения и текстом описывает обнаруженные аномалии.

14скачиваний за 30 дней0лайковвеса обновлены10 авг 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

KakashiFromKonoha/ror-recite-9b — дообученная мультимодальная модель Qwen3.5-9B для анализа видео и рассуждений о дорожных аномалиях. Разработчик дообучил базовую Qwen/Qwen3.5-9B методом LoRA ранга 64 на наборе TAR-RE, затем объединил адаптер с весами модели; загружать отдельный адаптер не требуется. В метаданных указаны плотная архитектура Qwen3.5, библиотека Transformers и формат safetensors.

Модель принимает видеокадры вместе с текстом и формирует текстовый ответ. В описанном рецепте обучения использовались до 32 кадров с разрешением до 131 072 пикселей на кадр и последовательности длиной до 5120 токенов. Набор данных посвящён обнаружению и объяснению аномалий дорожного движения; ответы в обучающих примерах сохранены, а цепочки рассуждений перегенерированы базовой Qwen3.5-9B.

Модель предназначена для исследовательских и воспроизводимых экспериментов по выявлению и анализу дорожных аномалий в видео. README отмечает, что результаты жадного декодирования через vLLM могут меняться между запусками из-за отсутствия пакетной инвариантности этой архитектуры. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск аномальных ситуаций на дорожных видеозаписях
  • объяснение причин необычного поведения участников движения
  • ответы на вопросы о событиях в дорожном видео

Ограничения

README сообщает, что жадное декодирование через vLLM может давать немного разные ответы между запусками; пакетная инвариантность для этой архитектуры не поддерживается. Языки и лицензия в предоставленных источниках не определены.

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

ror-recite-9b: the reasoning 9B (candidate A)

One of the two specialists from Reason or Recite: Complementary Specialists with an LLM Judge for Traffic Anomaly Reasoning. Despite the repo name, this is the reasoning candidate: it produces a full reasoning trace before its answer. Its counterpart, ror-recite-27b, recites the scene description and summary as one fused answer, and a Qwen3.6-27B judge picks between the two per item.

Code, configs, and the full submission driver: https://github.com/mayur-ag/reason-or-recite

What this checkpoint is

  • Base: Qwen/Qwen3.5-9B, with a rank-64 LoRA merged in. These are the merged weights, so no adapter loading is needed.
  • Data: TAR-RE, the TAR (Traffic Anomaly Reasoning) training set with its reasoning traces regenerated by Qwen3.5-9B. Every gold answer is untouched; only the traces were rewritten.
  • Recipe: LoRA r=64, α=128, dropout 0.05, on the LM only; 4 epochs, AdamW 2e-4 on cosine with 3% warmup, bf16, max_length 5120, 32 frames at 131,072 px per frame.

How it is used in the submission

Candidate A answers all 960 test items via vLLM with greedy decoding (step 2 of the reproduction driver). The judge then compares its answer with the 27B's for each item; switching to this 9B requires unanimity across both candidate orders plus surviving a separate refutation pass.

hf download KakashiFromKonoha/ror-recite-9b --local-dir $REPRO_MODELS/reasoning-9b

Then follow the reproduction steps in the repo.

Reproducibility note

Greedy decoding through vLLM is not batch-invariant on this architecture (a Gated-DeltaNet hybrid; VLLM_BATCH_INVARIANT=1 is unsupported, see vllm#42960). Across cold passes a handful of items flip, which can move the judged submission by a few points. The exact leaderboard submission is checked into the repo at reproduction/leaderboard-winner.csv.

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_5ForConditionalGeneration
Ревизия весов
22243a6

0 моделей