/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
CC BY-NC 4.0
Архитектура
qwen3_vl · dense
Базовая модель
sdg-detector-sft
Библиотека
transformers
Опубликована
10 июн 2026

sdg-detector-grpo

Изображение и текст → текст3 профессии

Мультимодальный детектор P1n3 на базе Qwen3-VL для обнаружения и структурированного описания дефектов на изображениях.

76скачиваний за 30 дней1лайквеса обновлены11 июн 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

P1n3/sdg-detector-grpo — полноразмерный объединённый чекпойнт детектора дефектов от разработчика P1n3 после второго этапа обучения GRPO. Это мультимодальная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration, принимающая изображения и текст и формирующая текстовый ответ со структурированными наборами обнаруженных дефектов. Чекпойнт уже объединён с этапом SFT P1n3/sdg-detector-sft и загружается напрямую через Transformers.

Модель предназначена для обнаружения дефектов на изображениях и структурированного описания результатов. При обучении использовалась составная награда, учитывающая DIoU, сходство описаний и точность определения важности дефектов. Репозиторий распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • обнаружение дефектов на изображениях изделий
  • получение структурированного описания найденных дефектов
  • оценка важности дефектов на изображении

Ограничения

Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Модель ориентирована на обнаружение дефектов; README не приводит измерений качества или сведений о поддерживаемых языках.

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

SDG Detector — GRPO Stage (Merged Checkpoint)

arXiv

This repository provides the merged full checkpoint of the SDG detector after Stage-2 GRPO. It is already merged with the Stage-1 SFT checkpoint (P1n3/sdg-detector-sft) and can be loaded directly with transformers.

Important: this is not a PEFT/LoRA adapter. Do not load it with PeftModel.from_pretrained, and do not merge it into Qwen/Qwen3-VL-4B-Instruct or P1n3/sdg-detector-sft.

Training Summary

fieldvalue
initializationP1n3/sdg-detector-sft
training stageGRPO
rewardcomposite: 0.6×DIoU + 0.25×DescCos + 0.15×ImpAcc
epochs2
learning rate5.0e-6
rollouts/prompt8
precisionbf16
hardware16 × A100-80G (2 nodes × 8)

Quick Start

from transformers import AutoProcessor, AutoModelForImageTextToText
import torch

ckpt = "P1n3/sdg-detector-grpo"  # merged full checkpoint

processor = AutoProcessor.from_pretrained(ckpt)
model = AutoModelForImageTextToText.from_pretrained(
    ckpt,
    dtype=torch.bfloat16,
    device_map="auto",
)
model.eval()

For SGLang/OpenAI-compatible serving in BoxFlow-GRPO:

python -m sglang.launch_server \
  --model-path P1n3/sdg-detector-grpo \
  --served-model-name sdg-detector \
  --port 17142 --tp 4 --api-key flowgrpo --trust-remote-code

Output Format

The detector predicts structured defect sets:

<think>
... reasoning about image quality and caption alignment ...
</think>
<answer>
[
  {
    "box_2d": [x0, y0, x1, y1],
    "label": "artifact" or "misalignment",
    "description": "...",
    "importance": 1-100
  }
]
</answer>

License

cc-by-nc-4.0. This checkpoint is derived from P1n3/sdg-detector-sft (itself a derivative of Qwen/Qwen3-VL-4B-Instruct, Apache-2.0). Research and non-commercial use only.

Citation

@article{zhang2026and,
  title={Where, What, Why, and Importance: Structured Defect Grounding for Text-to-Image Feedback},
  author={Zhang, Huaisong and Yu, Hao and Zhang, Yuxuan and Wang, Jiahe and Chen, Xinrui and Cao, Haoxiang and Lu, Feng and Zhang, Wendong and Yu, Changqian and Yuan, Chun},
  journal={arXiv preprint arXiv:2606.06113},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
c04b67d

0 моделей