/ Модель

Характеристики

Контекст
8 192 токена
Параметры
11,4 млрд
Размер весов
19,3 ГБ
Архитектура
qwen · dense
Опубликована
17 дек 2023

Silkie

Генерация текстаТекст → текст3 профессии

Silkie — дообученная мультимодальная модель Qwen для диалоговых ответов на вопросы по изображениям с акцентом на выравнивание и снижение галлюцинаций.

92скачиваний за 30 дней12лайковвеса обновлены20 дек 2023

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

Silkie — мультимодальная языковая модель, разработанная командой MMInstruction. Это дообученная версия Qwen/Qwen-VL-Chat с архитектурой Qwen и 11,4 млрд параметров. Модель обучали методом direct preference optimization на наборе MMInstruction/VLFeedback, используя предпочтения, размеченные GPT-4V.

Модель предназначена для диалоговых задач с изображениями: она принимает текстовые запросы и изображения и генерирует текстовые ответы. По данным авторов, относительно исходной модели Silkie улучшила результаты на бенчмарке MME для восприятия и когнитивных задач и получила оценку 3,02 на MMHal-Bench в оценке галлюцинаций. Контекст составляет 8192 токена.

Авторы позиционируют Silkie для исследований выравнивания мультимодальных моделей. Карточка не приводит сведений о лицензии, поэтому условия использования по имеющимся данным описать нельзя.

Сценарии применения

  • ответы на вопросы по изображениям
  • описание содержимого изображения по запросу
  • диалог с визуальным помощником
  • исследование выравнивания мультимодальных моделей
  • оценка галлюцинаций в ответах по изображениям

Ограничения

Модель описана авторами как предназначенная прежде всего для исследований; приведённые улучшения основаны на бенчмарках и не гарантируют качество во всех сценариях. Лицензия и условия коммерческого использования в предоставленной карточке не указаны.

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

Model Card for Silkie

Silkie is a visual language model trained using preference distillation on GPT-4V annotated AI feedback. It is a fine-tuned version of Qwen/Qwen-VL-Chat and was trained on our MMInstruction/VLFeedback dataset with direct preference optimization (DPO). Silkie is a visual language model trained by preference distillation on GPT-4V annotated AI feedback. It is a fine-tuned version of Qwen/Qwen-VL-Chat that is trained on our MMInstruction/VLFeedback dataset with direct preference optimization (DPO). Compared with the original model, Silkile achieves 6.9% and 9.5% relative improvement on the MME benchmark regarding the perception and cognition capabilities, respectively. Besides, Silkie sets a new state-of-the-art score of 3.02 on MMHal-Bench regarding hallucination evaluation. Please refer to our project page for more details.

Model Sources

Uses

Silkie is intended for research purposes, particularly for alignment research in multimodal models.

How to Get Started

Below is a simple Python code snippet to get started with the model. For installation instructions please refer to our Github repository.

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained(
    "MMInstruction/Silkie", trust_remote_code=True
)
model = AutoModelForCausalLM.from_pretrained(
    "MMInstruction/Silkie", device_map="cuda", trust_remote_code=True
).eval()
query = tokenizer.from_list_format(
    [
        {"image": "https://farm8.staticflickr.com/137/383965780_db4815011c_o.jpg"},
        {"text": "Which wooden stool has a vase with red flower on it?"},
    ]
)
response, history = model.chat(tokenizer, query=query, history=None)

Citation

@article{2023vlfeedback,
  author      = {Lei Li and Zhihui Xie and Mukai Li and Shunian Chen and Peiyi Wang and Liang Chen and  Yazheng Yang and  Benyou Wang and  Lingpeng Kong},
  title       = {Silkie: Preference Distillation for Large Visual Language Models},
  publisher   = {arXiv:2312.10665},
  year        = {2023}
}

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
QWenLMHeadModel
Ревизия весов
2616ac8

0 моделей