/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Библиотека
transformers
Опубликована
21 мар 2025

AlphaSpace-1.5B

Генерация текстаТекст → текст3 профессии

AlphaSpace-1.5B — дообученная языковая модель Menlo Research для рассуждений о перемещении объектов и их размещении в 3D по координатам.

25скачиваний за 30 дней10лайковвеса обновлены23 апр 2025

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 «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

AlphaSpace-1.5B — модель Menlo Research, дообученная на DeepSeek-R1-Distill-Qwen-1.5B Instruct для пространственных рассуждений при роботизированных манипуляциях в трёхмерном декартовом пространстве. Она использует иерархическую токенизацию, представляющую объекты, их атрибуты, координаты и высоту структурированными токенами, чтобы формировать решения о размещении объектов без опоры на визуальные эмбеддинги.

Модель рассчитана на задачи перемещения и размещения объектов по координатам [x, y, z], в том числе на примеры рассуждений о pick-and-place. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров и контекстом до 131 072 токенов; работает через Transformers. Веса опубликованы в формате safetensors.

Модель обучена на наборе Pick-Place-Table-Reasoning-local-pos-v0.2. README сообщает об обучении SFT на кластере из восьми GPU NVIDIA H200, но не приводит метрик качества или результатов оценки. Лицензия — Apache-2.0. Описание позиционирует модель для пространственных рассуждений по структурированным данным; способность непосредственно воспринимать изображения или управлять реальным роботом не заявлена.

Сценарии применения

  • выбор координат для размещения объекта на столе
  • планирование операций pick-and-place по структурированному описанию сцены
  • пространственные рассуждения об атрибутах и высоте объектов
  • генерация текстовых решений для задач роботизированной манипуляции

Ограничения

Модель описана для работы со структурированными пространственными токенами и не опирается на визуальные эмбеддинги, поэтому поддержка входных изображений не заявлена. В карточке не приведены метрики оценки; заявленная работа с координатами сама по себе не подтверждает непосредственное управление физическим роботом.

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

AlphaSpace-1.5B

Introduction

"AlphaSpace: (Paper), a novel methodology designed to enhance the spatial reasoning capabilities of language models for robotic manipulation in 3D Cartesian space. AlphaSpace employs a hierarchical semantics-based tokenization strategy that encodes spatial information at both coarse and fine-grained levels. Our approach represents objects with their attributes, positions, and height information through structured tokens, enabling precise spatial reasoning without relying on traditional vision-based embeddings. This approach enables LLMs to accurately manipulate objects by positioning them at specific [x, y, z] coordinates.

Code: https://github.com/AlanDao/AlphaSpace

Model Details

How to Get Started

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, pipeline
import torch
from utils import tokenize_desk, SYSTEM_PROMPT

# Load the mode


model = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype=torch.bfloat16).to(device)
tokenizer = AutoTokenizer.from_pretrained(model_path)

# Define your workspace
objects = [
    {"red-cube": [51, 43, 17]},
    {"black-cube": [44, 58, 17]},
    {"purple-cube": [74, 59, 17]},
    {"green-cube": [65, 82, 17]},
]

# Give a natural language instruction
instruction = "Throw the red cube on top of the blue cylinder"
desk, object_height = tokenize_desk(objects)
final_instruction = SYSTEM_PROMPT.format(object_height=object_height,instruction=instruction,TABLE_MAP=desk)
chat = [
    {"role": "user", "content": final_instruction.strip()}
]
tokenized_chat = tokenizer.apply_chat_template(chat, tokenize=True, add_generation_prompt=True, use_system_prompt=False, return_tensors="pt")
# print(len(tokenized_chat[0]))
generated_ids = model.generate(
    tokenized_chat.to("cuda"),
    max_new_tokens=2048,
    do_sample=False,
    temperature=0.6,
)
# Get the solution
result = tokenizer.decode(generated_ids[0][tokenized_chat.shape[1]:], skip_special_tokens=True)
print(result)

Hardware

GPU Configuration: Cluster of 8x NVIDIA H200-SXM-140GB.

GPU Usage:

  • SFT: 40 mins.

Training Arguments

We utilize Llama-Factory library to train the model.

ParameterContinual Training
Epoch1
Global batch size128
Learning Rate1e-4
Learning Schedulercosine with warmup
OptimizerAdamW Fused
Warmup Ratio0.1
Max length4096
Precisionbf16

Citation

More Information

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
e3e1954

0 моделей