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
SOLO-7B — плотная модель семейства Mistral примерно с 7,1 млрд параметров, разработанная авторами проекта SOLO. Это модель для генерации текста и диалогов с заявленной поддержкой обработки изображений и текста в единой архитектуре Transformer: она принимает текст и пиксельные патчи изображения без отдельного предварительно обученного визуального энкодера. В карточке Hugging Face указаны контекст до 32 768 токенов, библиотека Transformers и формат весов safetensors.
Модель предназначена для диалоговых сценариев и задач, где нужно совместно учитывать текст и изображения. В README указано, что обучение SOLO-7B проходило в июне 2024 года; данных о поддерживаемых языках, кроме английского в метаданных, нет. Доступна по лицензии Apache-2.0. README не приводит количественных оценок качества или подробностей обучения, а заявленные мультимодальные возможности следует учитывать с оглядкой на то, что pipeline_tag классифицирует репозиторий как text-generation.
Сценарии применения
диалоговые ответы на текстовые запросы
описание содержимого изображений в диалоге
ответы на вопросы по изображению и текстовому контексту
Ограничения
Метаданные классифицируют модель как text-generation, хотя README заявляет обработку изображений; подробные оценки качества и языковые характеристики в карточке не приведены.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
Model type:
SOLO is a 7B large vision-language model with a single Transformer architecture for unified vision-language modeling.
SOLO accepts both raw image patches (in pixels) and texts as inputs, without using a separate pre-trained vision encoder.
Model date:
SOLO-7B was trained in June 2024.
Paper or resources for more information:Paper
&
Github