PixelReasoner-RL-v1 — дообученная TIGER-Lab мультимодальная модель для диалогового анализа изображений и визуального рассуждения.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
TIGER-Lab разработала PixelReasoner-RL-v1 — мультимодальную модель на базе Qwen2.5-VL-7B-Instruct, дообученную с помощью обучения с подкреплением, стимулируемого любознательностью. Она принимает изображения и текстовые запросы и предназначена для диалогового анализа изображений и решения визуальных задач. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов.
Модель подходит для вопросов об изображениях и визуального рассуждения; карточка также упоминает интерактивную демонстрацию и код для инференса на основе vLLM. Указанные языковые данные относятся к английскому. Репозиторий распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества и подробностей об ограничениях подхода.
README не содержит результатов бенчмарков или конкретных сведений о точности и ограничениях модели. Для инференса упомянут код на основе vLLM, а простой пример с hf.generate() в README заявлен как планируемый.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
The model is trained with curiosity-driven RL described in paper.
We have released vllm based inference code at https://github.com/TIGER-AI-Lab/Pixel-Reasoner/. Project page: https://tiger-ai-lab.github.io/Pixel-Reasoner/ Github repository: https://github.com/TIGER-AI-Lab/Pixel-Reasoner/
We will release a simple hf.generate() based inference code.
Please also play with the cool interactive demo
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…