/ Модель

Характеристики

Размер весов
14,1 ГБ
Лицензия
Llama 2
Архитектура
llava · dense
Базовая модель
llava-1.5-7b-hf
Библиотека
transformers
Опубликована
17 сен 2026

unlearning_target

Изображение и текст → текст

Мультимодальная LLaVA-1.5-7B, дообученная на синтетических профилях для экспериментов по машинному забыванию и оценке приватности.

31скачиваний за 30 дней0лайковвеса обновлены17 сен 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

Kyomin/unlearning_target — мультимодальная модель на основе LLaVA-1.5-7B, независимо дообученная для экспериментов по машинному забыванию. Она предназначена для исследований, в которых проверяют, может ли метод удалить выбранные сведения из памяти модели и сохранить остальные. Модель запомнила синтетические профили из MLLMU-Bench: 500 вымышленных профилей и 8 204 пары вопросов и ответов.

Модель принимает изображения и текстовые инструкции или вопросы и генерирует текстовые ответы. При дообучении использовался LoRA с рангом 32; обучалась также башня зрения, после чего адаптеры объединили с базовыми весами. В рецепте обучения исправили маскирование промпта: функция потерь применяется к токенам ответа, а в ответы добавляется EOS для обучения остановке генерации. Карточка приводит метрики ROUGE-1 и BLEU на наборах MLLMU-Bench.

Модель разработана Kyomin для исследований мультимодального машинного забывания и оценки приватности. Она унаследовала ограничения и смещения LLaVA-1.5, Vicuna-1.5 и Llama 2; сведения, сгенерированные о названных людях, не следует считать фактами. Лицензия — Llama 2; авторы рекомендуют исследовательское применение.

Сценарии применения

  • Оценка того, насколько метод машинного забывания удаляет выбранные профили из памяти модели
  • Проверка сохранения сведений, не включённых в набор на забывание
  • Сравнение методов мультимодального машинного забывания на MLLMU-Bench
  • Исследование запоминания синтетических профилей по ответам на текстовые вопросы об изображениях

Ограничения

Обучающие профили синтетические и описывают вымышленных людей; ответы о названных людях не следует считать достоверными. Модель наследует ограничения и смещения LLaVA-1.5, Vicuna-1.5 и Llama 2.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LLaVA-1.5-7B fine-tuned on MLLMU-Bench (unlearning target)

A LLaVA-1.5-7B model fine-tuned on the MLLMU-Bench profile data. It is meant to be used as the target model for multimodal machine-unlearning experiments: it has memorised the benchmark's synthetic profiles, so an unlearning method can be asked to remove a subset of them and be measured on what it forgets and what it retains.

This is an independently trained model, not a copy of the benchmark authors' checkpoint. It was retrained because the reference fine-tuning recipe supervised the wrong tokens (see Training).

Usage

import torch
from transformers import LlavaForConditionalGeneration, AutoProcessor

model = LlavaForConditionalGeneration.from_pretrained(
    "여기에_본인_사용자명/unlearning_target", torch_dtype=torch.float16, device_map="auto"
)
processor = AutoProcessor.from_pretrained("여기에_본인_사용자명/unlearning_target")

The processor and tokenizer are bundled, so no separate --model_id is needed. They are the ones from llava-hf/llava-1.5-7b-hf; the token vocabulary (32002 = 32000 base + <image> at 32000 + <pad> at 32001) matches this model's embedding matrix exactly. Note that the bundled tokenizer keeps the upstream default padding_side="left", which is what you want for batched generation; set processor.tokenizer.padding_side = "right" before any further training, as the MLLMU-Bench fine-tuning and unlearning code does.

Training

Base modelllava-hf/llava-1.5-7b-hf
DataMLLMU-Bench ft_Data (500 fictitious profiles, 8,204 QA pairs)
MethodLoRA r=32, alpha=32, vision tower also trained, adapters merged into the base weights
Schedule4 epochs, lr 2e-5, batch size 4, no gradient accumulation, max_length 384
Precisionfp16 (merged)
Final training loss0.328

Two corrections to the reference recipe:

  • Prompt masking. The original collator put the loss on the whole sequence, including the 576 expanded <image> tokens and the USER: ... ASSISTANT: scaffolding. Measured on this data, 595 of 610 supervised tokens per example were outside the answer. Loss is now computed on the answer tokens only.
  • EOS supervision. The original recipe never trained an end-of-sequence token, so the model did not learn to stop. An EOS token is now appended to each answer.

Evaluation

MLLMU-Bench generation evaluation, forget ratio 5, seed 42 (higher on the forget set means more memorisation, which is what an unlearning target should show).

SplitMetric (Image_Textual)This modelBenchmark authors' checkpoint
ForgetROUGE-1 Recall0.59130.5663
ForgetBLEU0.26970.2422
TestROUGE-1 Recall0.31410.2676
TestBLEU0.09540.0693

Intended use and limitations

Research on multimodal machine unlearning and privacy evaluation. The training data consists of synthetic profiles of fictitious people created for MLLMU-Bench; the model is not a source of information about real individuals, and nothing it generates about a named person should be treated as factual. It inherits the limitations and biases of LLaVA-1.5, Vicuna-1.5 and Llama 2. Following the intent of its ancestors (Vicuna is released for research on large language models and chatbots), treat this checkpoint as research-use.

License and attribution

Licensed under the Llama 2 Community License Agreement, inherited through llava-hf/llava-1.5-7b-hf → lmsys/vicuna-7b-v1.5 → Meta Llama 2 7B. A copy of the agreement is in LICENSE and the required attribution is in NOTICE; use is also subject to Meta's Acceptable Use Policy. The license's 700-million-monthly-active-users clause and its restriction on using the materials to improve other large language models apply to this model as they do to the base.

The training data comes from MLLMU-Bench, which declares no license of its own. Please cite it:

@inproceedings{liu2025mllmubench,
  title     = {Protecting Privacy in Multimodal Large Language Models with MLLMU-Bench},
  author    = {Liu, Zheyuan and Dou, Guangyao and Jia, Mengzhao and Tan, Zhaoxuan and
               Zeng, Qingkai and Yuan, Yongle and Jiang, Meng},
  booktitle = {NAACL},
  year      = {2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlavaForConditionalGeneration
Ревизия весов
ac30c1a

0 моделей