/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
MIT
Архитектура
internvl_chat · dense
Базовая модель
InternVL2-2B
Библиотека
transformers
Опубликована
14 авг 2024

TAID-VLM-2B

Генерация текстаТекст → текст3 профессии

TAID-VLM-2B — экспериментальная дистиллированная модель Sakana AI для ответов на вопросы об изображениях и мультимодального чата.

115скачиваний за 30 дней5лайковвеса обновлены30 янв 2025

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

TAID-VLM-2B — мультимодальная авторегрессионная модель Sakana AI для диалога по изображениям. Она создана методом дистилляции TAID: InternVL2-8B выступала учителем, а InternVL2-2B — учеником. В метаданных указаны архитектура InternVLChatModel, размер 2B и формат safetensors; модель предназначена для визуальных вопросов и ответов, а также текстовой генерации в чате.

Модель принимает изображения и текстовые запросы и формирует текстовые ответы. В карточке указан английский язык. Лицензия — MIT. Sakana AI характеризует модель как экспериментальный прототип для исследований и разработок и не рекомендует её для коммерческого применения или критически важных систем; качество результатов не гарантируется.

Сценарии применения

  • ответы на вопросы по содержимому изображения
  • описание объектов и сцен на изображении
  • диалог по визуальным материалам на английском языке

Ограничения

Модель обозначена как экспериментальный прототип; Sakana AI не рекомендует её для коммерческого применения и критически важных систем. Качество и результаты не гарантируются.

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

🐟 TAID-VLM-2B

🤗 Models | 📚 Paper | 📝 Blog | 🐦 Twitter

TAID-VLM-2B is a vision-language model created through TAID (Temporally Adaptive Interpolated Distillation), our new knowledge distillation method. We used InternVL2-8B as the teacher model and InternVL2-2B as the student model.

Model Details

Uses

This model is provided for research and development purposes only and should be considered as an experimental prototype. It is not intended for commercial use or deployment in mission-critical environments. Use of this model is at the user's own risk, and its performance and outcomes are not guaranteed. Sakana AI shall not be liable for any direct, indirect, special, incidental, or consequential damages, or any loss arising from the use of this model, regardless of the results obtained. Users must fully understand the risks associated with the use of this model and use it at their own discretion.

Acknowledgement

We would like to thank the developers of the source models for their contributions and for making their work available.

This model is based on results obtained from a project, JPNP20017, subsidized by the New Energy and Industrial Technology Development Organization (NEDO).

Citation

@misc{sakana2025taid,
      title         = {TAID: Temporally Adaptive Interpolated Distillation for Efficient Knowledge Transfer in Language Models}, 
      author.       = {Makoto Shing and Kou Misaki and Han Bao and Sho Yokoi and Takuya Akiba},
      year          = {2025},
      eprint        = {2501.16937},
      archivePrefix = {arXiv},
      primaryClass  = {cs.LG},
      url           = {https://arxiv.org/abs/2501.16937}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
InternVLChatModel
Ревизия весов
d52a4cf

0 моделей