/ Модель

Характеристики

Контекст
32 768 токенов
Размер весов
17,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_omni · dense
Базовая модель
TEMA-Qwen2.5-Omni-7B-SFT
Библиотека
transformers
Опубликована
23 сен 2026

TEMA-Qwen2.5-Omni-7B-GRPO

Генерация аудиоТекст → аудио5 профессий

TEMA Qwen2.5-Omni-7B Evidence GRPO отвечает в диалоге на вопросы по нескольким аудиозаписям, находя и указывая подтверждающие временные фрагменты.

20скачиваний за 30 дней0лайковвеса обновлены25 сен 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 «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест 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

TEMA Qwen2.5-Omni-7B Evidence GRPO — модель на базе архитектуры Qwen2.5-Omni с 7 млрд параметров, разработанная авторами проекта TEMA и дообученная для ответов на вопросы по нескольким аудиозаписям. Она ведёт многошаговый диалог, находит нужный фрагмент во временной последовательности аудио, обосновывает вывод свидетельствами и формулирует ответ. Для текстовых ответов в README предлагается отключить возврат аудио; основной сценарий модели — аудиовопросы с привязкой к временным фрагментам и подтверждающими свидетельствами.

Обучение включает временную инициализацию, SFT для диалога и оптимизацию Evidence GRPO. В бенчмарке TEMA-Bench на 253 диалогах и 1 239 вопросах указаны результаты QA 69,81%, QA+T 58,76%, Span F1@0.5 58,65% и H@0.1 44,39%. Репозиторий содержит объединённые веса и адаптер для базовой модели bluesky7/TEMA-Qwen2.5-Omni-7B-SFT; используется библиотека Transformers и формат safetensors. Лицензия — Apache-2.0. Карточка описывает англоязычную версию; размер контекста не сообщается.

Сценарии применения

  • поиск нужного фрагмента в нескольких аудиозаписях
  • ответы на вопросы по содержанию аудиодиалога
  • многошаговый диалог с аудиоконтекстом
  • обоснование ответа временными свидетельствами из аудио

Ограничения

В бенчмарке TEMA-Bench показатели составили 69,81% для QA, 58,76% для QA+T, 58,65% для Span F1@0.5 и 44,39% для H@0.1. Результаты получены на 253 диалогах и 1 239 вопросах с историей, сгенерированной моделью; переносимость на другие данные не описана.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TEMA Qwen2.5-Omni-7B Evidence GRPO

Paper: arXiv:2609.30029

Final TEMA model: Qwen2.5-Omni-7B → temporal initialization → dialogue SFT → evidence GRPO. The model answers multi-turn, multi-audio questions with Route, Span, Reason, and Answer.

Task definitions

TEMA-Dialog and TEMA-Bench cover five task families and 18 subtasks. See the 18-subtask guide for definitions, example questions and answers, evidence requirements, and internal task labels.

TEMA-Bench results

253 dialogues / 1,239 questions, using model-generated history. Values are percentages.

QAQA+TSpan F1@0.5H@0.1
69.8158.7658.6544.39

Evaluation uses bluesky7/TEMA-Qwen2.5-Omni-7B-SFT + this repository's adapter/.

Method

Evidence GRPO trains for 512 steps with G=4. The reward is 0.9 × H + 0.1 × D for valid evidence and −0.1 otherwise. Training generation stops at </span>; inference generates the full response.

Use

The repository includes merged model weights and the training adapter. Load merged weights with Qwen2_5OmniForConditionalGeneration.from_pretrained(...) and the included processor; set return_audio=False for text responses. To use adapter/, load it on bluesky7/TEMA-Qwen2.5-Omni-7B-SFT.

Inference commands · Training · Dataset

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5OmniForConditionalGeneration
Ревизия весов
6eaf1f0

0 моделей