SWEAR — дообученная на Qwen2.5-Omni-7B модель для рассуждений по аудио и ответов на задания с выбором варианта.
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 «Распознавание речи» — 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
SWEAR — дообученная мультимодальная модель на базе Qwen2.5-Omni-7B, разработанная для исследования Section-Wise Efficient Audio Reasoning via Self-Rated Difficulty. Это полновесная объединённая версия модели; отдельный адаптер LoRA не требуется. Модель обучена на подмножестве DiCoTA с заданиями только с выбором ответа, без преобразования речи в текст.
Модель предназначена для рассуждений по аудиовходу и ответов на задания с выбором варианта. Архитектура — плотная Qwen2.5-Omni Thinker, веса доступны в формате safetensors. В метаданных указан английский язык. Лицензия — Apache-2.0.
Обучение проводилось на подмножестве DiCoTA только с ответами по выбору варианта; данные не подтверждают возможности для преобразования речи в текст.
README от автора на Hugging Face, как он его опубликовал
SWEAR model (merged full weights on Qwen2.5-Omni-7B) for SWEAR: Section-Wise Efficient Audio Reasoning via Self-Rated Difficulty.
This is the merged full-model release. No separate LoRA adapter is required.
The model was trained on the choice-only, no-S2TT subset of DiCoTA.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…