/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
26 авг 2026

video-8b-grpo-twowave-tau085-gs40

Компьютерное зрениеВидео, текст → текст3 профессии

Экспериментальный чекпойнт Qwen3-VL-8B, дообученный для ответов на вопросы с вариантами выбора по видео.

18скачиваний за 30 дней0лайковвеса обновлены26 авг 2026

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

ngqtrung опубликовал экспериментальный чекпойнт видео-ответов на вопросы, полученный дообучением Qwen/Qwen3-VL-8B-Instruct методом RLVR с GRPO. Модель принимает видео и текстовый вопрос и формирует текстовый ответ; обучение проводилось на задачах с вариантами ответа по видео с использованием двухволнового token-dropout при пороге tau 0,85. Чекпойнт соответствует global_step_40.

В README приведены результаты на подмножестве из 4 838 примеров: средняя точность составила 0,4732, однако этот набор отличается от полного набора и результатов родственной модели, поэтому оценку нельзя напрямую использовать для сравнения или ранжирования. В сравнении с базовой моделью указаны более высокие результаты на этой выборке, но автор характеризует этот вариант как проигравший в абляции tau. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы с вариантами выбора по видеозаписям
  • оценка экспериментального дообучения моделей для видеоанализа
  • анализ точности ответов на видео по наборам VideoMME, Video-Holmes и PerceptionComp

Ограничения

Оценка 0,4732 рассчитана на подмножестве из 4 838 строк, а не на полном наборе из 5 645 примеров, и напрямую несопоставима с результатами родственных чекпойнтов. README указывает на снижение точности при tau 0,85 относительно варианта с tau 0,95.

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

video-8b-grpo-twowave-tau085-gs40

RLVR post-training of Qwen/Qwen3-VL-8B-Instruct on multiple-choice video QA with fully-async GRPO plus two-wave token-dropout exploration at tau 0.85. Keeper = global_step_40.

Why this checkpoint is published

It is the losing arm of a tau ablation, published so the rule it produced can be checked. Lowering the exploration confidence threshold from 0.95 to 0.85 costs accuracy, and this is the video-domain evidence for the campaign rule "keep tau >= 0.9".

Its tau-0.95 sibling is ngqtrung/video-8b-grpo-twowave-gs140 at 0.4853.

Evaluation — read the row count before using this number

mean_accuracyrowsVideoMMEVideo-HolmesPerceptionComp
gs400.47324,8380.6625 (n=2,314)0.4625 (n=1,574)0.2947 (n=950)
stock base0.44265,6450.64040.40660.2807

This score was measured on a 4,838-row subset, not the full 5,645-row core-3 set. num_failed = 0, so the file looks entirely normal and gives no warning — the row count is the only signal. It is therefore not directly comparable to the 5,645-row numbers on the sibling cards. Treat 0.4732 as indicative, not as a ranked result.

Protocol caveat. Also measured before 2026-08-23, without <think> prefill at eval time, so format reads 0.0.

Training setup

algorithmGRPO, fully-async (verl fork) + two-wave token-dropout exploration
explorationtwo-wave both-degenerate block, tau 0.85
corpusvideo v3 24f100k, multiple-choice video QA
topology4 nodes, 2 trainer + 2 rollout

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
72a2fcd

0 моделей