/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Библиотека
transformers
Опубликована
11 июл 2026

UniReason-Med

Изображение и текст → текст

Медицинская мультимодальная модель для исследовательских вопросов и ответов с визуально обоснованными рассуждениями по 2D-снимкам и 3D-объёмам.

16скачиваний за 30 дней1лайквеса обновлены11 июл 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 «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

UniReason-Med — мультимодальная медицинская модель компании ifms111 для рассуждений по 2D-медицинским изображениям и 3D-объёмам, представленным последовательностями срезов. Она дообучена на Qwen/Qwen2.5-VL-7B-Instruct и использует архитектуру Qwen2.5-VL с 7,1 млрд параметров. Модель принимает изображение и текст, а выдаёт текст с рассуждениями и визуально привязанными областями, обозначенными синтаксисом рамок; области могут повторно подаваться модели как дополнительный контекст.

Модель предназначена для исследований медицинского визуального grounding, вопросов и ответов по изображениям и переноса навыков рассуждения с 2D-изображений на 3D-данные. Обучение включало supervised fine-tuning и GRPO с вознаграждением за правильность ответа и формат, без награды за совпадение локализации с эталонной разметкой. Лицензия — Apache-2.0.

Ответы и рамки могут быть ошибочными, неполными или смещёнными; локализация не валидирована. Это исследовательская модель, не медицинское устройство: её нельзя использовать для диагностики, лечения или принятия решений о реальных пациентах.

Сценарии применения

  • ответы на вопросы по медицинским изображениям
  • визуальное обоснование ответов с указанием областей снимка
  • исследование рассуждений по последовательностям медицинских срезов
  • оценка переноса визуальных навыков с 2D-изображений на 3D-объёмы

Ограничения

Ответы могут быть ошибочными, неполными или смещёнными, а предсказанные рамки не являются валидированной локализацией. Модель не предназначена для клинической диагностики, лечения или принятия решений о пациентах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

UniReason-Med

UniReason-Med is a medical multimodal model for grounded reasoning over 2D medical images and slice-serialized 3D volumes.

It studies whether grounded reasoning supervision from abundant 2D medical images can improve 3D medical VQA when both modalities share a common reasoning interface. A single checkpoint processes either a 2D image or a 3D volume serialized as ordered slices, generating interleaved textual reasoning and localized visual evidence through shared bounding-box syntax and region-token injection.

Model Description

UniReason-Med is trained to interleave free-form reasoning with localized visual evidence. During reasoning, the model emits bounding boxes over the input image; the referenced region is cropped and re-injected as additional visual context for the next reasoning step. The same shared interface is applied to 2D images and to 3D volumes serialized as ordered slice sequences.

Training

The model is built with supervised fine-tuning followed by GRPO reinforcement learning. RL uses answer-correctness and format rewards rather than ground-truth localization-overlap rewards such as IoU or Dice.

Intended Use and Limitations

  • Intended use: research on medical multimodal reasoning, visual grounding, and 2D-to-3D transfer.
  • Out of scope: this is a research artifact and is not a medical device. It must not be used for clinical diagnosis, treatment decisions, or real patient care.
  • Limitations: outputs may be incorrect, incomplete, or biased; predicted bounding boxes are reasoning aids, not validated localization.

License

Released under the Apache License 2.0, consistent with the base model Qwen2.5-VL-7B-Instruct.

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
1aeb844

0 моделей