/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Базовая модель
BAGEL-7B-MoT
Библиотека
transformers
Опубликована
29 июн 2025

Bagel-Zebra-CoT

Мультимодальная модель3 профессии

Мультимодальная модель на базе BAGEL-7B, дообученная для визуального рассуждения с чередующимися текстовыми и графическими трассами.

44скачиваний за 30 дней14лайковвеса обновлены6 авг 2025

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

Bagel-Zebra-CoT — мультимодальная модель на основе BAGEL-7B от ByteDance Seed, дообученная командой multimodal-reasoning-lab на наборе Zebra-CoT. Она предназначена для визуального рассуждения: в процессе работы модель формирует чередующиеся фрагменты текста и изображений, представляющие ход рассуждений. Датасет включает 182 384 примера по 18 подзадачам в четырёх категориях: двумерное и трёхмерное визуальное рассуждение, научные задачи, визуальная логика и стратегические игры.

Модель подходит для задач, где требуется рассуждать по визуальному содержимому и выдавать промежуточные текстовые и визуальные трассы. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README направляет к проектному репозиторию для инструкций по запуску и обучению.

Сценарии применения

  • Рассуждение по содержимому изображений
  • Решение задач визуальной логики и стратегических игр
  • Анализ двумерных визуальных задач
  • Рассуждение о трёхмерных сценах
  • Решение научных задач с визуальными данными

Ограничения

README не сообщает длину контекста и подробные ограничения качества; для запуска и обучения требуется обратиться к проектному репозиторию.

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

Bagel‑Zebra‑CoT

A vision–language model fine‑tuned on the Zebra‑CoT dataset to generate high-quality interleaved visual chain‑of‑thought.

Paper on ArXiv Dataset on Hugging Face Model on Hugging Face GitHub

Bagel-Zebra-CoT Example Trace


Table of Contents


Model Description

Bagel‑Zebra‑CoT is fine-tuned from Bagel‑7B on the Zebra‑CoT. The model is trained to generate interleaved text and image traces inherently during its own reasoning process.


Usage

For interleaved text and image inference and training with our model, please refer to our GitHub repository.

For general information and other details, please refer to the offical Bagel GitHub repository.


Dataset

  • Zebra‑CoT: 182,384 interleaved text‑image reasoning samples across 18 sub‑tasks in 4 categories (2D visual, 3D visual, scientific reasoning, visual logic & strategic games).

License

Bagel‑Zebra‑CoT is licensed under the Apache 2.0 license. It is finetuned from ByteDance-Seed/BAGEL-7B-MoT, which was finetuned from Qwen2.5-7B-Instruct and siglip-so400m-14-384-flash-attn2 model, and uses the FLUX.1-schnell VAE model, all under Apache 2.0.


Citation

If you use this model, please cite:

@misc{li2025zebracot,
      title={Zebra-CoT: A Dataset for Interleaved Vision Language Reasoning}, 
      author={Ang Li and Charles Wang and Kaiyu Yue and Zikui Cai and Ollie Liu and Deqing Fu and Peng Guo and Wang Bill Zhu and Vatsal Sharan and Robin Jia and Willie Neiswanger and Furong Huang and Tom Goldstein and Micah Goldblum},
      year={2025},
      eprint={2507.16746},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2507.16746}, 
}

Links


Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Ревизия весов
ebce324

0 моделей