/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,1 ГБ
Лицензия
Apache 2.0
Архитектура
valen_qwen · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
5 окт 2026

Valen-4B

ЭмбеддингиТекст → embedding

Valen-4B — дообученная мультимодальная модель принятия решений, которая оценивает ответы на вопросы с выбором, да/нет и числовой оценкой по общему текстовому, графическому или видео-состоянию.

204скачиваний за 30 дней0лайковвеса обновлены6 окт 2026

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

Valen-4B — модель команды Valen-Team для принятия решений по общему состоянию, которое может содержать текст, изображения или видео. Она объединяет дообученную Qwen3.5-4B с двухслойной головой MLP-Mixer и предсказывает распределения вероятностей для вопросов с выбором ответа, да/нет и числовой оценкой. Общее состояние позволяет задавать несколько вопросов по одному набору входных данных; видео обрабатывается по 16 выбранным кадрам.

Модель обучена в два этапа: сначала настраивалась голова принятия решений, затем совместно дообучались LoRA-адаптеры, Mixer и визуальный модуль слияния признаков. В репозитории находятся полная базовая модель с объединёнными весами LoRA, обученный визуальный модуль, голова Mixer, токенизатор и процессор. Для работы предусмотрена библиотека Transformers; веса распространяются по лицензии Apache-2.0.

Valen-4B подходит для оценки вариантов и ответов на структурированные вопросы по тексту, изображениям и видео. Карточка указывает на возможные небольшие расхождения вероятностей из-за округления весов основы до BF16; для обработки видео используются только 16 кадров.

Сценарии применения

  • выбор наиболее подходящего варианта по описанию ситуации
  • ответы да или нет на вопросы по тексту и изображениям
  • оценка ситуации по заданной шкале
  • ответы на несколько вопросов по одному общему состоянию
  • оценка содержания видео по выбранным кадрам

Ограничения

Для видео используются 16 выбранных кадров. Округление весов основы до BF16 может приводить к небольшим отличиям вероятностей от исходных контрольных точек обучения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Valen-4B

Valen-4B combines Qwen3.5-4B with a two-layer MLP-Mixer decision head. It predicts probability distributions for Choice, Noul (yes/no), and Score questions. A shared state can contain text, images, or video and serve multiple questions.

Valen-4B 基于 Qwen3.5-4B 和两层 MLP-Mixer 决策头,支持图文、文本、视频,以及共享 state 的多题推理。

Training / 训练

  • Two-stage SFT: decision-head warmup followed by joint LoRA, Mixer, and visual-merger fine-tuning. We train on millions of samples.
  • Backbone: BF16. Mixer: FP32. Videos use 16 sampled frames.

Files / 权重格式

  • Root directory: complete backbone with merged LoRA, trained visual merger, FP32 Mixer, tokenizer, processor, and standalone loading code.

These weights include merged LoRA adapters. BF16 rounding can cause small probability differences from the original training checkpoints used for the reported benchmarks.

Load merged weights / 加载完整合并权重

The verified environment uses Python 3.10, PyTorch 2.6.0, Transformers 5.4.0, torchvision 0.21.0, Pillow, and av 16.1.0. Flash Attention 2 requires a compatible flash-attn installation.

import torch
from transformers import AutoModel

model = AutoModel.from_pretrained(
    "Valen-Team/Valen-4B",
    trust_remote_code=True,
    dtype=torch.bfloat16,
    attn_implementation="sdpa",  # or "flash_attention_2"
).to("cuda").eval()
torch.set_float32_matmul_precision("highest")
torch.backends.cudnn.allow_tf32 = False

response = model.predict({
    "state": "There is one cat in the room.",
    "questions": {
        "animal": {"type": "choice", "instructions": "Which animal is present?",
                   "criteria": {"cat": "A cat", "dog": "A dog"}},
        "is_cat": {"type": "noul", "instructions": "There is a cat in the room."},
    },
}, execution="shared_state")
print(response["answers"])

For a local copy, replace the repository ID with "./Valen-4B". execution="question" scores questions separately. Images and video use the Valen messages, image_url, and video_url schema; relative media paths are resolved against media_root.

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
ValenQwenForDecisionMaking
Ревизия весов
255ed26

0 моделей