/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Библиотека
transformers
Опубликована
27 ноя 2025

CauSight

Изображение и текст → текст3 профессии

CauSight — дообученная мультимодальная модель Qwen2.5-VL для выявления причинно-следственных связей в изображённых сценах.

21скачиваний за 30 дней6лайковвеса обновлены2 дек 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 «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

CauSight — мультимодальная модель «текст–изображение» для визуального причинного вывода, разработанная OpenCausaLab. Она анализирует визуальные сцены и рассуждает о причинно-следственных связях между объектами и событиями. В README описаны подготовка данных, синтез траекторий рассуждения Tree-of-Causal-Thought и обучение с подкреплением на основе специальной причинной функции награды. Модель представлена в исследовательской работе о визуальном причинном выводе.

Модель построена на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и рассчитана на контекст до 128 000 токенов. Карточка указывает английский язык, формат safetensors и лицензию Apache-2.0. README сообщает о результатах выше GPT-4.1 на задаче визуального причинного вывода, но не приводит в предоставленном тексте численных результатов или подробностей оценки.

Сценарии применения

  • Определение причин событий на изображении
  • Анализ взаимодействий между объектами в сцене
  • Ответы на вопросы о причинах и последствиях визуальных событий

Ограничения

В предоставленном README не приведены численные результаты оценки, поэтому заявленное превосходство над GPT-4.1 нельзя проверить по этим данным. Указана ориентация на визуальный причинный вывод; другие сценарии отдельно не охарактеризованы.

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

CauSight: Learning to Supersense for Visual Causal Discovery

This repository contains the CauSight model, a novel vision-language model designed to perform visual causal discovery through causally aware reasoning. CauSight enables AI systems to infer cause-and-effect relations among visual entities across diverse scenarios, moving beyond mere perception. It integrates training data curation, Tree-of-Causal-Thought (ToCT) for synthesizing reasoning trajectories, and reinforcement learning with a designed causal reward. Experiments demonstrate that CauSight significantly outperforms models like GPT-4.1 on visual causal discovery.

This work is introduced in the following paper:

CauSight: Learning to Supersense for Visual Causal Discovery [📄 arXiv]

Project Page and Code: https://github.com/OpenCausaLab/CauSight

🔧 User Guide

1. Clone the Repository

git clone https://github.com/OpenCausaLab/CauSight.git
cd CauSight

2. Set Up the Environment

We recommend using conda:

conda create -n causight python=3.10
conda activate causight

pip install -r requirements.txt
pip install -e .

3. Download the Dataset (VCG-32K)

mkdir -p VCG-32K
pip install huggingface_hub

hf login
hf download OpenCausaLab/VCG-32K \
    --repo-type dataset \
    --local-dir ./VCG-32K
tar -xzf ./VCG-32K/COCO/images.tar.gz -C ./VCG-32K/COCO
tar -xzf ./VCG-32K/365/images.tar.gz -C ./VCG-32K/365

4. Download the CauSight Model

mkdir -p model
huggingface-cli download OpenCausaLab/CauSight \
    --repo-type model \
    --local-dir ./model

5. Evaluation

Start the model server, then run inference:

bash model_server.sh
python run_inference.py

6. Tree-of-Causal-Thought (If you want to make your own SFT data with ToCT.)

bash model_server.sh
python run.py

Citation

If you find our work helpful or inspiring, please consider citing it:

@article{zhang2025causight,
  title={CauSight: Learning to Supersense for Visual Causal Discovery},
  author={Zhang, Yize and Chen, Meiqi and Chen, Sirui and Peng, Bo and Zhang, Yanxi and Li, Tianyu and Lu, Chaochao},
  journal={arXiv preprint arXiv:2512.01827},
  year={2025},
  url={https://arxiv.org/abs/2512.01827}
}

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
9cef40e

0 моделей