/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
28 мар 2024

PVD-160k-Mistral-7b

Генерация текстаТекст → текст3 профессии

Модель Mistral на 7,1 млрд параметров для ответов на вопросы и рассуждений о векторной графике через текстовые визуальные описания.

72скачиваний за 30 дней7лайковвеса обновлены13 июн 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 «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

PVD-160k-Mistral-7b — модель на архитектуре Mistral с 7,1 млрд параметров из проекта Visually Descriptive Language Model (VDLM). Она предназначена для вопросов и рассуждений о векторной графике: модель использует текстовые визуальные описания, включая представления SVG и Primal Visual Description, чтобы анализировать детали изображений и отношения между объектами. В карточке указаны задачи image-to-text и text-generation, библиотека Transformers и контекст до 32 768 токенов.

Модель подходит для ответов на вопросы о содержимом векторных изображений и решения задач на пространственные отношения и простые лабиринты. Авторы сообщают, что подход VDLM превосходит современные мультимодальные модели в ряде задач рассуждения о векторной графике. Репозиторий использует формат Safetensors и лицензию Apache-2.0.

Сценарии применения

  • ответы на вопросы о векторных изображениях
  • определение пространственных отношений между объектами на схеме
  • решение простых лабиринтов, представленных векторной графикой

Ограничения

Описанные возможности сосредоточены на рассуждениях о векторной графике; карточка не сообщает о поддержке других типов изображений. Заявленное превосходство над другими моделями относится к задачам, рассмотренным авторами.

Для каких профессий подходит3

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

We observe that current large multimodal models (LMMs) still struggle with seemingly straightforward reasoning tasks that require precise perception of low-level visual details, such as identifying spatial relations or solving simple mazes. In particular, this failure mode persists in question-answering tasks about vector graphics—images composed purely of 2D objects and shapes.

Teaser

To solve this challenge, we propose Visually Descriptive Language Model (VDLM), a visual reasoning framework that operates with intermediate text-based visual descriptions—SVG representations and learned Primal Visual Description, which can be directly integrated into existing LLMs and LMMs. We demonstrate that VDLM outperforms state-of-the-art large multimodal models, such as GPT-4V, across various multimodal reasoning tasks involving vector graphics. See our paper for more details. Overview

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
f66bfef

0 моделей