/ 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 мая 2025

Game-RL-Qwen2.5-VL-7B

Изображение и текст → текст3 профессии

Мультимодальная модель Qwen2.5-VL, дообученная для ответов на вопросы и рассуждений по изображениям.

207скачиваний за 30 дней3лайкавеса обновлены27 июл 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

Game-RL-Qwen2.5-VL-7B — мультимодальная модель OpenMOSS-Team для ответов на вопросы и рассуждений по изображениям. Она получена дообучением Qwen/Qwen2.5-VL-7B-Instruct методом GRPO на 5 тысячах примеров GameQA-5K, отобранных из синтезированного набора GameQA-140K. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 тысяч токенов.

Модель предназначена для визуальных вопросов и рассуждений; авторы сообщают об улучшении обобщения на задачи за пределами обучающих данных и приводят результаты оценки на общих бенчмарках компьютерного зрения. Веса опубликованы в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы об изображениях
  • визуальные логические задачи
  • анализ игровых изображений и сценариев
  • рассуждения по визуальным данным

Ограничения

В README не приведены конкретные ограничения применимости или известные сбои модели; обучение описано на выборке из 5 тысяч примеров GameQA, поэтому поведение за пределами оценённых визуальных задач может различаться.

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

This model (GameQA-Qwen2.5-VL-7B) results from training Qwen2.5-VL-7B with GRPO solely on our GameQA-5K (sampled from the full GameQA-140K dataset).

Evaluation Results on General Vision BenchMarks

(The inference and evaluation configurations were unified across both the original open-source models and our trained models.)

It's also found that getting trained on 5k samples from our GameQA dataset can lead to better results than on 8k samples from MAVIS and on multimodal-open-r1-8k-verified.

Code2Logic: Game-Code-Driven Data Synthesis for Enhancing VLMs General Reasoning

This is the first work, to the best of our knowledge, that leverages game code to synthesize multimodal reasoning data for training VLMs. Furthermore, when trained with a GRPO strategy solely on GameQA (synthesized via our proposed Code2Logic approach), multiple cutting-edge open-source models exhibit significantly enhanced out-of-domain generalization.

[📖 Paper] [💻 Code] [🤗 GameQA-140K Dataset] [🤗 GameQA-5K Dataset] [🤗 GameQA-InternVL3-8B ] [🤗 GameQA-InternVL2.5-8B ] [🤗 GameQA-Qwen2.5-VL-7B] [🤗 GameQA-LLaVA-OV-7B ]

Code: https://github.com/tongjingqi/Code2Logic

News

  • We've open-sourced the three models trained with GRPO on GameQA on Huggingface.

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
205b593

0 моделей