/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_vl · dense
Библиотека
transformers
Опубликована
18 сен 2024

Qwen2-VL-7B-Instruct-abliterated

Изображение и текст → текст6 профессий

Мультимодальная версия Qwen2-VL-7B с ослабленной склонностью к отказам для диалога и ответов на запросы с изображениями.

650скачиваний за 30 дней0лайковвеса обновлены18 сен 2024

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

natong19/Qwen2-VL-7B-Instruct-abliterated — мультимодальная модель на базе Qwen2-VL-7B-Instruct, опубликованная natong19. К весам применена ортогонализация, призванная ослабить склонность модели к отказам, сохранив текстовые и мультимодальные возможности. Модель поддерживает диалог и обработку изображений; для запуска используется библиотека Transformers. Объём модели — 7,1 млрд параметров, максимальная длина контекста — 32 768 токенов.

Модель предназначена для ответов на запросы с изображениями и текстом, а также для мультимодального диалога. В README приведены результаты текстовых бенчмарков: ARC — 57,8, MMLU — 68,4; автор предупреждает, что модель всё ещё может отказывать, неверно понимать намерение пользователя или добавлять нежелательные советы по этике и безопасности. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого изображения
  • диалог с одновременной передачей текста и изображения
  • анализ изображений по текстовым инструкциям

Ограничения

Модель всё ещё может отказывать, неверно понимать намерение или добавлять нежелательные советы по этике и безопасности. В README приведены результаты лишь части текстовых бенчмарков, поэтому они не описывают полноценно качество мультимодальных задач.

Для каких профессий подходит6

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

Qwen2-VL-7B-Instruct-abliterated

Introduction

Abliterated version of Qwen2-VL-7B-Instruct, an advanced multimodal large language model. Weight orthogonalization has been applied to inhibit the model's ability to express refusals while preserving the model's text and multimodal capabilities. Nonetheless, the model may still refuse your request, misunderstand your intent, or provide unsolicited advice regarding ethics or safety.

Requirements

If you encounter errors such as KeyError: 'qwen2_vl' or ImportError: cannot import name 'Qwen2VLForConditionalGeneration' from 'transformers', you can try building transformers from source with command pip install git+https://github.com/huggingface/transformers

Quickstart

from PIL import Image
import requests
import torch
from torchvision import io
from typing import Dict
from transformers import Qwen2VLForConditionalGeneration, AutoTokenizer, AutoProcessor

path = "natong19/Qwen2-VL-7B-Instruct-abliterated"

# Load the model in half-precision on the available device(s)
model = Qwen2VLForConditionalGeneration.from_pretrained(
    path, torch_dtype="auto", device_map="auto"
)

min_pixels = 256*28*28
max_pixels = 1280*28*28
processor = AutoProcessor.from_pretrained(path, min_pixels=min_pixels, max_pixels=max_pixels)

# Image
url = "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg"
image = Image.open(requests.get(url, stream=True).raw)

conversation = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
            },
            {"type": "text", "text": "Describe this image."},
        ],
    }
]

# Preprocess the inputs
text_prompt = processor.apply_chat_template(conversation, add_generation_prompt=True)
# Excepted output: '<|im_start|>system\nYou are a helpful assistant.<|im_end|>\n<|im_start|>user\n<|vision_start|><|image_pad|><|vision_end|>Describe this image.<|im_end|>\n<|im_start|>assistant\n'

inputs = processor(
    text=[text_prompt], images=[image], padding=True, return_tensors="pt"
)
inputs = inputs.to("cuda")

# Inference: Generation of the output
output_ids = model.generate(**inputs, max_new_tokens=128)
generated_ids = [
    output_ids[len(input_ids) :]
    for input_ids, output_ids in zip(inputs.input_ids, output_ids)
]
output_text = processor.batch_decode(
    generated_ids, skip_special_tokens=True, clean_up_tokenization_spaces=True
)
print(output_text)

The above code can be run on 24GB VRAM. For more usage examples, such as multi-image inference, video inference and batch inference, please refer to the Qwen2-VL-7B-Instruct repo.

Evaluation

Evaluation framework: lm-evaluation-harness 0.4.2 and lmms-eval 0.2.1

DatasetsQwen2-VL-7B-InstructQwen2-VL-7B-Instruct-abliterated
Text benchmarks
ARC (25-shot)57.857.8
MMLU (5-shot)69.768.4
TruthfulQA (0-shot)49.545.4
Winogrande (5-shot)72.672.8
Multimodal benchmarks
AI2D (lite)78.879.8
GQA (lite)73.273.6
MMBench (EN dev, lite)84.182.6
MMMU (val)50.851.6
OCRBench77.778.1
VQAv2 (val, lite)79.979.8

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
3e471fe

0 моделей