/ 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-npo-forget5

Изображение и текст → текст3 профессии

Мультимодальная Qwen2.5-VL-3B, дообученная методом NPO для изучения забывания выбранных биографических данных при сохранении других возможностей.

152скачиваний 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 с 3,1 млрд параметров, разработанная как исследовательский артефакт для изучения машинного забывания. Она принимает изображения и текстовые вопросы и генерирует текстовые ответы; архитектура — Qwen2.5-VL, контекст — до 128 000 токенов. Модель дообучена методом NPO с retain NLL term на основе Lordvarun23/qwen2.5-vl-3b-mllmu-ft: она снижает точность ответов о 25 выбранных вымышленных людях, сохраняя большую часть ответов о других профилях и общих знаниях.

Модель предназначена для экспериментов по машинному забыванию в визуально-языковых системах и оценки компромисса между забыванием выбранных данных и сохранением полезности. В тестах точность судьи для забываемых профилей снизилась с 0,49 до 0,36, а для сохраняемых профилей — с 0,63 до 0,53; полезность на наборе реальных знаменитостей снизилась с 0,20 до 0,19. Эти результаты получены на одном запуске и одном чекпойнте. Данные о людях в бенчмарке вымышлены, но модель может уверенно выдавать придуманные биографические сведения по лицам. Не следует применять её для идентификации реальных людей или получения достоверных сведений о них. Распространяется по лицензии Qwen Research License, унаследованной от базовой модели.

Сценарии применения

  • эксперименты по машинному забыванию в визуально-языковых моделях
  • оценка удаления выбранных биографических сведений из ответов модели
  • сравнение сохранения знаний на забываемых и сохраняемых профилях
  • исследование влияния забывания на ответы по изображениям и тексту

Ограничения

Это исследовательский артефакт, оценённый на одном запуске и одном чекпойнте; модель может уверенно выдумывать биографические сведения о лицах. Не используйте её для идентификации реальных людей или фактических ответов о них.

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 NPO (Negative Preference Optimization) + retain loss

Lordvarun23/qwen2.5-vl-3b-mllmu-ft (finetuned on all 500 fictitious profiles) after unlearning the 25 forget_5 profiles with NPO (Negative Preference Optimization) + retain loss, regularized on the retain_95 profiles.

Algorithm

NPO (Zhang et al., 2024) with a retain NLL term (NPO+RT):

$$\mathcal{L} = -\frac{2}{\beta},\mathbb{E}{(x,y)\in\text{forget}}\Big[\log\sigma\big(-\beta,(\log\pi\theta(y|x) - \log\pi_{\text{ref}}(y|x))\big)\Big] + \lambda,\mathrm{NLL}_\theta(\text{retain})$$

$\log\pi(y|x)$ is the summed log-probability of the answer tokens of each sequence. The reference model $\pi_{\text{ref}}$ is a frozen copy of the starting finetuned model (the original NPO definition). It is not a retain-only oracle, so the method never needs access to a retrained model.

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
NPO β0.1
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 0.36 (retain-only reference: 0.13). retain_95 goes from 0.63 to 0.53, and real-celebrity utility (Retain_Set) goes from 0.20 to 0.19. 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-npo-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
4b593f0

0 моделей