/ Модель

Характеристики

Контекст
262 144 токена
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-2B
Библиотека
transformers
Опубликована
1 июл 2026

uncertainty-sft-all-correct-balanced

Изображение и текст → текст4 профессии

Дообученная мультимодальная модель Qwen3.5-2B для диалогов и ответов по тексту и изображениям.

8скачиваний за 30 дней0лайковвеса обновлены1 июл 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

SaketR1/uncertainty-sft-all-correct-balanced — дообученная разработчиком SaketR1 мультимодальная модель на базе Qwen/Qwen3.5-2B, обученная с помощью TRL. Это плотная модель Qwen3.5 с 2 млрд параметров, поддерживающая диалоги и понимание изображений; карточка демонстрирует генерацию ответа на текстовый вопрос через Transformers. Метаданные указывают задачу image-text-to-text, поэтому модель подходит для диалогов по тексту и изображениям, а также для визуальных вопросов и ответов.

В карточке отсутствуют сведения о языках обучения и о том, как именно сбалансированы данные или обрабатывается неопределённость. Модель распространяется в формате Safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы по изображениям
  • диалог с визуальным контекстом
  • ответы на текстовые вопросы
  • генерация ответов в чат-интерфейсе

Ограничения

В карточке не описаны языки, конкретные ограничения качества или методика обучения, связанная с неопределённостью. Лицензия не установлена по предоставленным данным.

Для каких профессий подходит4

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

Model Card for uncertainty-sft-all-correct-balanced

This model is a fine-tuned version of Qwen/Qwen3.5-2B. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="SaketR1/uncertainty-sft-all-correct-balanced", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 1.7.0
  • Transformers: 5.13.0.dev0
  • Pytorch: 2.11.0+cu128
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
1a6739d

0 моделей