/ Модель

Характеристики

Контекст
32 768 токенов
Размер весов
6,4 ГБ
Лицензия
Apache 2.0
Архитектура
openlame · dense
Базовая модель
Qwen2-VL-2B-Instruct
Библиотека
transformers
Опубликована
11 июл 2026

LaME-2B

ЭмбеддингиТекст → embedding7 профессий

LaME-2B — мультимодальная модель эмбеддингов на базе Qwen2-VL-2B-Instruct для поиска по тексту, изображениям, видео и визуальным документам.

17скачиваний за 30 дней1лайквеса обновлены11 июл 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

LaME-2B — мультимодальная модель эмбеддингов, разработанная авторами LaME и основанная на Qwen2-VL-2B-Instruct. Она обучена совместно создавать представления для поиска и представления, связанные с генерацией: обучение использует восемь обучаемых токенов [REASON], латентный декодер Qwen3-0.6B и сочетает контрастивную функцию потерь с надзором декодера. Размер проекции составляет 3584.

Модель предназначена для мультимодального поиска и извлечения по тексту, изображениям, видео и визуальным документам. В README заявлены результаты уровня state of the art на MMEB-v2 и MRMR; примеры использования и оценки вынесены в репозиторий LaME. В Hugging Face модель опубликована в формате safetensors и использует библиотеку Transformers.

Лицензия — Apache-2.0. Доступные сведения не уточняют поддерживаемые естественные языки и ограничения по контексту; результаты на указанных бенчмарках не гарантируют качество для других данных и сценариев.

Сценарии применения

  • поиск изображений по текстовому запросу
  • поиск видео по тексту или визуальному содержимому
  • извлечение визуальных документов по запросу
  • мультимодальный поиск по тексту и изображениям
  • ранжирование мультимодальных результатов поиска

Ограничения

В README приведены результаты на MMEB-v2 и MRMR, но не указаны языки и длина контекста. Для оценки качества в конкретном сценарии потребуются собственные тесты; примеры инференса и оценки находятся во внешнем репозитории LaME.

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

LaME-2B

LaME (Learning to Think in Latent Space for Multimodal Embedding) model based on Qwen2-VL-2B-Instruct.

Model Description

LaME augments Qwen-VL with learnable [REASON] tokens and a latent decoder supervision, jointly optimizing generation and embedding through an information bottleneck. It produces both discriminative and generative multimodal embeddings for text, images, videos, and visual documents.

Without bells and whistles, LaME achieves state-of-the-art multimodal retrieval performance on MMEB-v2 (image / video / visual-document / full aggregate) and MRMR.

  • Backbone: Qwen2-VL-2B-Instruct
  • Latent Decoder: Qwen3-0.6B
  • Reason Tokens: 8 learnable [REASON] tokens
  • Projection Dim: 3584
  • Training Stage: 2 (joint contrastive + decoder-supervised)

Usage

See the LaME repository for inference and evaluation examples.

from transformers import AutoModel, AutoProcessor

model = AutoModel.from_pretrained("leafyseay/LaME-2B", trust_remote_code=True, torch_dtype="bfloat16").cuda()
processor = AutoProcessor.from_pretrained("leafyseay/LaME-2B", trust_remote_code=True)

Citation

@article{wu2026lame,
  title   = {LaME: Learning to Think in Latent Space for Multimodal Embedding via Information Bottleneck},
  author  = {Wu, Peixi and Yang, Biao and Ma, Feipeng and Chai, Bosong and Lin, Bo and Yuan, Wei and Yang, Fan and Gao, Tingting and Li, Hebei and Sun, Xiaoyan},
  journal = {arXiv preprint arXiv:2606.13061},
  year    = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура openlame неизвестна transformers в образе рантайма.

Класс архитектуры
LaMEMultimodal
Ревизия весов
ef5a076

0 моделей