/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
20,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
3 мая 2026

LibreHPS-4B-v1.1

Классификация изображенийИзображение → label4 профессии

Мультимодальная модель для оценки соответствия изображений и коротких видео текстовому запросу и ранжирования генераций по человеческим предпочтениям.

76скачиваний за 30 дней9лайковвеса обновлены3 мая 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 «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

LibreHPS-4B v1.1 — мультимодальная модель оценки предпочтений, разработанная командой deepcrayon. Она принимает изображение или короткое видео вместе с текстовым запросом и оценивает, насколько результат соответствует запросу; также может сравнить два изображения и определить, какое, вероятно, предпочтёт человек. Модель полезна для отбора и ранжирования генераций, оценки качества по нескольким критериям и обучения генеративных моделей с обратной связью от предпочтений.

Модель содержит 4 млрд параметров и использует плотную архитектуру Qwen3.5 с гибридом Mamba2 и полного внимания. Оценки выдаются по осям общего качества, соответствия запросу, визуальной связности и стиля; для видео добавляется естественность движения. Для загрузки и получения оценок нужны reward heads и пакет librehps; одних весов с обычным Transformers недостаточно. Лицензия — Apache-2.0.

Обучение проводилось на результатах генераторов с разрешительным лицензированием, поэтому оценки изображений закрытых генераторов, включая Midjourney и большинство изображений OpenAI, могут быть ненадёжны. Модель не предназначена для модерации контента; оценка движения обучена на коротких роликах с 5–8 кадрами, поэтому применение к более длинным видео является экстраполяцией. Неопределённость в поле sigma для этого чекпойнта неинформативна; для неё следует использовать калиброванную вероятность.

Сценарии применения

  • ранжирование изображений, созданных генератором, по соответствию запросу
  • выбор предпочтительного изображения из пары вариантов
  • отбор лучших изображений из нескольких генераций
  • оценка качества, стиля и связности сгенерированного изображения
  • оценка естественности движения в коротком сгенерированном видео
  • получение оценок предпочтений для обучения генератора с обратной связью

Ограничения

Модель обучалась на результатах генераторов с разрешительными лицензиями, поэтому оценки закрытых генераторов могут быть ненадёжны; она не является фильтром безопасности. Ось движения обучена на коротких видео, а выход sigma для этого чекпойнта неинформативен.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreHPS-4B — v1.1

LibreHPS looks at an AI-generated picture (or short video) and a text prompt and tells you how good a match they are, the way a human would rate it. You give it a prompt like "a cat sitting on a windowsill" and an image, and it gives you back a score. You can also hand it two images and ask which one a person would prefer.

This is the kind of model you reach for when you want to automatically rank or filter the output of an image or video generator the way a human reviewer would — picking the best of N samples, training another generator with reinforcement learning from feedback, or running a benchmark that doesn't need human raters in the loop. It scores along five separate axes (overall quality, prompt alignment, visual coherence, style, and — for video — how natural the motion looks).

It's open source under Apache-2.0 and was trained only on freely-licensed preference data.

Size4B parameters (dense)
BackboneQwen3_5ForConditionalGeneration (Qwen3.5-4B-Base, hybrid Mamba2 + full attention, MRoPE)
Reward axesoverall, alignment, coherence, style, temporal (video only)
Weights licenceApache-2.0 (LICENSE)
Dataset mixpermissive-only — see DATA_PROVENANCE.md
Containersharded safetensors, ~20.7 GB total

Install

pip install librehps

The reward heads (multi_axis_head, scalar_head) sit on top of the stock-transformers Qwen3.5 backbone and need the librehps Python package to load. Loading the safetensors with stock transformers alone will give you the backbone but silently drop the reward heads — you'll get a working LM, but no reward scores.

Quickstart — score an image

from librehps import LibreHPS

scorer = LibreHPS.from_pretrained("LibreHPS/LibreHPS-4B-v1.1")
result = scorer.score_image(image="photo.png", prompt="a cat sitting on a windowsill")
print(result.overall.mean)

Quickstart — compare two images

from librehps import LibreHPS
from librehps.evaluate.calibration import load_platt_calibrator

scorer = LibreHPS.from_pretrained("LibreHPS/LibreHPS-4B-v1.1")
cal = load_platt_calibrator("calibration.json", benchmark=None).default

result = scorer.compare_images(
    image_a="left.png",
    image_b="right.png",
    prompt="a cat sitting on a windowsill",
    calibrator=cal,
)
print(result.winner, result.probability)

The calibrator= keyword is optional. With it, you get the calibrated win probability shipped in calibration.json (a 2-parameter logistic fit per benchmark, plus a <global> fit you can use for live / unknown-benchmark scoring). Without it, you get the uncalibrated μ-space probability.

Hardware and attention backend

By default, LibreHPS.from_pretrained(...) looks for Flash Attention 4 (CUDA Blackwell, sm_100). If FA4 is available it's used as a fast path; if not, the loader logs a warning and falls back to stock Qwen3.5 attention (SDPA on modern PyTorch, eager on CPU). You can pin the backend explicitly:

LibreHPS.from_pretrained(path)                       # auto (default)
LibreHPS.from_pretrained(path, attn_impl="fa4")      # require FA4 + Blackwell
LibreHPS.from_pretrained(path, attn_impl="sdpa")     # skip FA4; CUDA / CPU / MPS all OK

bfloat16 weights, ~20.7 GB on disk, ~10 GB resident at bf16. Fits on a single 24 GB GPU.

Limitations

  • Trained on permissively-licensed generator outputs only. Closed-model outputs (Midjourney, most OpenAI images) were intentionally excluded from training, so scores on those generators are out-of-distribution.
  • Not a content-moderation model. There's no toxicity / safety filter beyond the upstream dataset licence audits.
  • The temporal axis was trained on 5–8 subsampled frames; longer clips are extrapolation.
  • The model's per-axis σ output is uninformative on this checkpoint (median σ ≈ 0.05). Use the calibrated probability field for uncertainty, not ScoreAxis.sigma.

Evaluation

Held-out 90 % per benchmark, deterministic by global_index hash. Symmetrised (live-harness-equivalent) numbers:

Benchmarknpair_accECE (uncal)ECE (cal)Brier (uncal)Brier (cal)
hpdv325 8180.9220.0680.0110.0720.054
vrr37 2440.7640.2210.0110.2250.156
imgrew11 4600.6470.3330.0080.3380.216
pickscore7800.6230.3680.0410.3710.236

Aggregate (n-weighted): ECE 0.187 → 0.011 (−94 %); Brier 0.191 → 0.131 (−32 %); pair_acc unchanged. The calibrator is the difference between the "uncal" and "cal" columns.

Acknowledgement

LibreHPS is inspired by and architecturally influenced by HPSv3 (Ma, Shui, Wu, Sun, Li — ICCV 2025). LibreHPS is a from-scratch reimplementation with a different backbone, training stack, and permissively-licensed training data mix.

License

  • Source code: MIT
  • Model weights: Apache-2.0
  • Training data: permissive union (MIT / Apache-2.0 / BSD-3-Clause / CDLA-Permissive-2.0). See DATA_PROVENANCE.md for the per-dataset audit and the per-image generator-redistribution audit applied to filter the training mix.

Copyright © 2026 Jeff Moe moe@spacecruft.org.

Loveland, Colorado, USA

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
f0b3885

0 моделей