/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
7,5 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2_5_vl · dense
Базовая модель
qwen2.5-vl-3b-mllmu-ft
Библиотека
transformers
Опубликована
26 сен 2026

qwen2.5-vl-3b-mllmu-klmin-forget5

Изображение и текст → текст3 профессии

Мультимодальная Qwen2.5-VL-3B с машинным забыванием сведений о выбранных вымышленных профилях для экспериментов и оценки unlearning.

163скачиваний за 30 дней0лайковвеса обновлены26 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

Это мультимодальная модель Qwen2.5-VL-3B, разработанная на основе контрольной точки Lordvarun23/qwen2.5-vl-3b-mllmu-ft. Модель содержит около 3,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает текст вместе с изображениями для генерации текстовых ответов. Контекстное окно составляет 128 000 токенов; модель распространяется в формате safetensors и работает с библиотекой Transformers.

Контрольная точка получена методом машинного забывания: с помощью KL Minimization модель обучали хуже воспроизводить сведения о 25 вымышленных профилях из MLLMU-Bench, сохраняя ответы по остальным профилям и общие знания. Она предназначена для экспериментов по машинному забыванию и оценки поведения мультимодальных моделей на вопросах о биографических сведениях и изображениях. В тестах точность ответов о забываемых профилях снизилась с 0,49 до 0,32, но также снизились показатели на сохраняемых профилях и проверке общих знаний.

Модель является исследовательским артефактом, а не надёжным средством идентификации или получения фактов о людях: она может уверенно сообщать вымышленные биографические сведения, а оценка проведена на одном запуске и одной контрольной точке. В README указана лицензия Qwen Research License базовой модели.

Сценарии применения

  • изучение машинного забывания в мультимодальных языковых моделях
  • оценка забывания биографических сведений по изображениям и текстовым вопросам
  • сравнение сохранения полезности модели после удаления выбранных данных

Ограничения

Модель может уверенно выдавать вымышленные биографические сведения и не предназначена для идентификации людей или фактических утверждений о них. Результаты основаны на одном запуске и одной контрольной точке; после забывания снизились показатели и на сохраняемых профилях, и на проверке общих знаний.

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

Qwen2.5-VL-3B MLLMU-Bench: forget_5 unlearned with KL Minimization (KL_Min)

Lordvarun23/qwen2.5-vl-3b-mllmu-ft (finetuned on all 500 fictitious profiles) after unlearning the 25 forget_5 profiles with KL Minimization (KL_Min), regularized on the retain_95 profiles.

Algorithm

KL Minimization: GradDiff plus a KL term on the retain batch that keeps the model's full next-token distribution close to the original finetuned model (MLLMU-Bench formulation, retain NLL + KL):

$$\mathcal{L} = -,\mathrm{NLL}\theta(\text{forget}) + \lambda\Big[\mathrm{NLL}\theta(\text{retain}) + \mathrm{KL}\big(\pi_{\text{ref}},|,\pi_\theta\big)(\text{retain})\Big]$$

NLL and KL are both averaged over the answer tokens. $\pi_{\text{ref}}$ is a frozen copy of the starting finetuned model. The official MLLMU-Bench code scales the KL per sequence (batchmean over every token), which weights it more heavily.

Data

MLLMU-Bench contains 500 fictitious people. Each has a face image and 15-20 image-grounded QA pairs plus one biography answer (ft_Data). The benchmark splits the profiles into forget_5 (25 profiles) and retain_95 (475 profiles). Retain_Set holds 153 real celebrities and is used only to measure general knowledge (utility).

Unlearning setup

HyperparameterValue
Start modelLordvarun23/qwen2.5-vl-3b-mllmu-ft (full finetune on all 500 profiles)
Forget dataft_Data QA pairs of the forget_5 profiles (25 profiles, 406 examples)
Retain dataft_Data QA pairs of the retain_95 profiles (475 profiles, 7,798 examples), cycled
Per step1 forget batch + 1 retain batch, combined into one loss
Trainable parametersLanguage model + merger (full); vision tower frozen
Token lossAnswer tokens only (prompt/image tokens masked)
OptimizerAdamW, weight decay 0.0
Learning rate1e-05, linear warmup over the first 10% of steps, then constant
Epochs5 (255 steps); this checkpoint = epoch 5
Batch size8 forget + 8 retain
Grad clip1.0 (max norm)
Retain weight λ1
KL reference modelfrozen copy of the start model (Lordvarun23/qwen2.5-vl-3b-mllmu-ft)
Precisionbf16, SDPA attention, gradient checkpointing
Seed42
Hardware1x NVIDIA B200

Evaluation

  • Task: MLLMU-Bench Generation_Task, 4 open-ended questions per profile (2 Image_Textual + 2 Pure_Text). Every question is asked together with the profile image. Split sizes: forget_5 = 100 questions, retain_95 = 1900, Retain_Set = 612.
  • Decoding: vLLM, greedy, max 128 new tokens, default Qwen system prompt, images resized to 128-256 x 28x28 pixels.
  • ROUGE: rouge_score with stemming, generation vs ground truth (ROUGE-L F1 reported).
  • LLM judge: Qwen/Qwen2.5-7B-Instruct, binary per answer: 1 = the answer contains the ground-truth fact or a semantically equivalent one, 0 = wrong, missing, partial or merely similar (e.g. a different city or salary). Judge accuracy is the mean over questions.

Goal of unlearning: forget_5 ↓ (toward the retain-only model), with retain_95 and Retain_Set close to the finetuned model.

Modelforget_5 ROUGE-Lforget_5 judge ↓retain_95 ROUGE-Lretain_95 judge ↑Retain_Set ROUGE-LRetain_Set judge ↑
Qwen2.5-VL-3B-Instruct (base)0.3530.0300.3630.0210.4110.306
qwen2.5-vl-3b-mllmu-ft0.6990.4900.7270.6340.4870.199
qwen2.5-vl-3b-mllmu-retain950.6100.1300.7360.6620.4960.209
qwen2.5-vl-3b-mllmu-graddiff-forget50.6180.2400.6640.4510.4760.175
qwen2.5-vl-3b-mllmu-npo-forget50.6460.3600.6790.5330.4730.191
qwen2.5-vl-3b-mllmu-klmin-forget50.6430.3200.6880.5210.4800.175
qwen2.5-vl-3b-mllmu-manu-forget50.6280.2900.6790.4650.4700.145

The row in bold is this model. forget_5 has only 100 questions, so judge-accuracy differences below about 0.05 are within noise.

Summary: forget_5 judge accuracy goes from 0.49 to 0.32 (retain-only reference: 0.13). retain_95 goes from 0.63 to 0.52, and real-celebrity utility (Retain_Set) goes from 0.20 to 0.17. Utility drops but does not collapse.

Usage

import torch
from PIL import Image
from transformers import AutoProcessor, Qwen2_5_VLForConditionalGeneration

repo = "Lordvarun23/qwen2.5-vl-3b-mllmu-klmin-forget5"
model = Qwen2_5_VLForConditionalGeneration.from_pretrained(repo, torch_dtype=torch.bfloat16, device_map="auto")
processor = AutoProcessor.from_pretrained(repo)

messages = [{"role": "user", "content": [{"type": "image"}, {"type": "text", "text": "What is the name of this person?"}]}]
prompt = processor.apply_chat_template(messages, add_generation_prompt=True)
inputs = processor(text=[prompt], images=[Image.open("face.jpg")], return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=128, do_sample=False)
print(processor.batch_decode(out[:, inputs.input_ids.shape[1]:], skip_special_tokens=True)[0])

Limitations

  • Research artifact for studying machine unlearning. The people in MLLMU-Bench are fictitious, and this model will state made-up biographical facts about faces with confidence. Do not use it to identify real people or for factual answers about them.
  • Results come from a single seed and one checkpoint, without a hyperparameter search beyond the one described.
  • Released under the base model's Qwen Research License.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
e60a3bd

0 моделей