/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
7 июл 2026

Light-MER

Компьютерное зрениеВидео, текст → текст

Light-MER — набор контрольных точек Qwen3 для распознавания эмоций по видео и тексту с дистилляцией в компактную модель на 0,6 млрд параметров.

0скачиваний за 30 дней3лайкавеса обновлены6 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Light-MER — набор контрольных точек для распознавания эмоций по видео и тексту, опубликованный как официальная реализация исследовательской работы Do We Really Need Multimodal Emotion Language Models Larger Than 1B Parameters? Репозиторий содержит контрольную точку учителя Qwen3-8B и контрольные точки студента Qwen3-0.6B после дистилляции SWD-H; рекомендуемой названа контрольная точка студента после первого этапа дистилляции, также доступны промежуточные контрольные точки с 5-го по 60-й этап обучения.

Модель предназначена для мультимодального распознавания эмоций с использованием видео и текста. Компактная версия студента содержит 0,6 млрд параметров, а учитель — 8 млрд; веса представлены в формате PyTorch. В README указана лицензия Apache-2.0. Карточка не приводит сведения о поддерживаемых языках, длине контекста и подробных ограничениях качества.

Сценарии применения

  • распознавание эмоций в видеороликах по видео и тексту
  • анализ эмоциональной окраски реплик в видеоконтенте
  • эксперименты с дистилляцией мультимодальных моделей распознавания эмоций

Ограничения

В карточке не описаны метрики качества, ограничения распознавания и условия, при которых система работает хуже; языковая поддержка не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Light-MER Checkpoints

This repository hosts model checkpoints for Light-MER, the official implementation of:

Do We Really Need Multimodal Emotion Language Models Larger Than 1B Parameters?

Checkpoints

FileDescriptionStatus
light-mer-teacher-qwen3-8b.pthQwen3-8B teacher checkpoint for Stage 1 SWD-H distillationReleased
stage1-swdh-qwen3-0.6b/checkpoint_000060_loss_1.291.pthRecommended Qwen3-0.6B student checkpoint after Stage 1 SWD-H distillationReleased
stage1-swdh-qwen3-0.6b/checkpoint_*.pthStage 1 SWD-H checkpoint trajectory from epoch 5 to epoch 60Released
stage1-swdh-qwen3-0.6b/config.yamlStage 1 SWD-H training config used for the released checkpointsReleased
stage2-mgrpo-qwen3-0.6b/checkpoint_*.pthStage 2 M-GRPO checkpoint sweep for steps 50, 500, ..., 5000Released
stage2-mgrpo-qwen3-0.6b/config.yamlStage 2 M-GRPO training config used for the released checkpoint sweepReleased

Usage

Download the teacher checkpoint and place it under the GitHub repo checkpoint directory:

checkpoints/light-mer-teacher-qwen3-8b.pth

Then run Stage 1 SWD-H distillation with:

CONDA_ENV_NAME=swdh-stage1 \
TEACHER_CKPT=checkpoints/light-mer-teacher-qwen3-8b.pth \
bash scripts/train_stage1_swdh.sh

For Stage 1 inference or evaluation, download one of the released student checkpoints, for example:

checkpoints/light-mer-stage1-swdh-qwen3-0.6b.pth

The recommended Stage 1 checkpoint is:

stage1-swdh-qwen3-0.6b/checkpoint_000060_loss_1.291.pth

For Stage 2 M-GRPO inference and evaluation, download the released sweep directory:

stage2-mgrpo-qwen3-0.6b/

It contains checkpoints for steps 50, 500, 1000, 1500, 2000, 2500, 3000, 3500, 4000, 4500, and 5000. Use this directory as STAGE2_CKPT_ROOT in the GitHub codebase.

License

This checkpoint repository is released under the Apache License 2.0. Please also follow the licenses and usage terms of the external datasets and pretrained models used with Light-MER.

Citation

If you find Light-MER useful, please cite:

@misc{zheng2026lightmer,
  title = {Do We Really Need Multimodal Emotion Language Models Larger Than 1B Parameters?},
  author = {Zheng, Kaiwen and Fu, Junchen and Deng, Wenhao and Han, Hu and Jose, Joemon M. and Ge, Xuri},
  year = {2026},
  eprint = {2607.12787},
  archivePrefix = {arXiv},
  primaryClass = {cs.AI},
  url = {https://arxiv.org/abs/2607.12787},
  note = {Accepted by ACM MM 2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
84f2194

0 моделей