/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Библиотека
transformers
Опубликована
10 мая 2025

Revisual-R1-final

Изображение и текст → текст7 профессий

Дообученная мультимодальная модель Qwen2.5-VL для рассуждений по изображениям, визуально-математических задач и диалоговых ответов.

31скачиваний за 30 дней8лайковвеса обновлены14 июл 2025

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 «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат 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

ReVisual-R1-final — мультимодальная модель для диалога и рассуждений по изображениям, разработанная автором репозитория csfufu как дообученная версия Qwen/Qwen2.5-VL-7B-Instruct. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает изображения вместе с текстовыми запросами, выдавая текстовые ответы. Для неё заявлено контекстное окно до 128 000 токенов.

README описывает трёхэтапное обучение: текстовый cold-start для формирования рассуждений, мультимодальное обучение с подкреплением для согласования зрения и логики, затем текстовое обучение с подкреплением для улучшения краткости и связности. Модель предназначена для визуально-математических задач и текстовых рассуждений; автор заявляет высокие результаты на девяти бенчмарках, но не приводит их названия или численные результаты в карточке. Распространяется под лицензией Apache-2.0.

Сценарии применения

  • решение математических задач по изображению
  • ответы на вопросы о содержимом изображения
  • пошаговые визуальные рассуждения
  • диалог по визуальному материалу

Ограничения

Заявления о результатах на девяти бенчмарках не сопровождаются в карточке названиями бенчмарков или численными оценками. Данные README не уточняют набор поддерживаемых языков помимо английского, указанного в метаданных.

Для каких профессий подходит7

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

🌟 ReVisual-R1 (7B) — Open-Source Multimodal Reasoner

One cold-start, two RL stages, endless reasoning power.


🔑 Highlights

  • SOTA on 9 tough benchmarks covering visual–math + text reasoning.

  • Three-Stage SRO Training

    1. Text Cold-Start — seed deep reflection
    2. Multimodal RL — align vision & logic
    3. Text RL — polish fluency & brevity
  • PAD (Prioritized Advantage Distillation) keeps gradients alive.

  • Efficient-Length Reward = concise, self-reflective CoT.


📚 Resources


📌 Citation

@article{chen2025advancing,
  title={Advancing Multimodal Reasoning: From Optimized Cold Start to Staged Reinforcement Learning},
  author={Chen, Shuang and Guo, Yue and Su, Zhaochen and Li, Yafu and Wu, Yulun and Chen, Jiacheng and Chen, Jiayu and Wang, Weijie and Qu, Xiaoye and Cheng, Yu},
  journal={arXiv preprint arXiv:2506.04207},
  year={2025}
}

Take ReVisual-R1 for a spin and let us know what you build! 🎯

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_5_VLForConditionalGeneration
Ревизия весов
ff437d3

0 моделей