A Math ehanched Qwen 2.5VL 3B with VLM-R1 reinforcement learning.
cite: arxiv.org/abs/2504.07615
Характеристики
- Контекст
- 128 000 токенов
- Параметры
- 3,1 млрд
- Размер весов
- 7,5 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen2_5_vl · dense
- Базовая модель
- Qwen2.5-VL-3B-Instruct
- Опубликована
- 5 мар 2025
Ссылки
VLM-R1-Qwen2.5VL-3B-Math-0305
Дообученная мультимодальная модель Qwen2.5-VL-3B для ответов на математические вопросы по изображениям.
373скачиваний за 30 дней8лайковвеса обновлены14 апр 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
omlab/VLM-R1-Qwen2.5VL-3B-Math-0305 — дообученная модель на архитектуре Qwen2.5-VL-3B с применением обучения с подкреплением VLM-R1 и ориентацией на математические задачи с визуальным содержимым. Она принимает изображения вместе с текстовыми вопросами и формирует ответы на естественном языке; заявленные обучающие наборы включают MathVista и MathVerse.
Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2_5_VLForConditionalGeneration и формат safetensors. Родительская модель поддерживает контекст до 128 000 токенов. Модель предназначена для визуальных математических вопросов, например анализа графиков, схем и задач на изображениях. В метаданных указан английский язык. Лицензия — Apache-2.0. README не приводит результатов оценки качества или подробностей об ограничениях, поэтому точность на конкретных типах задач по имеющимся сведениям оценить нельзя.
Сценарии применения
- ответы на математические вопросы по изображениям
- разбор задач с графиками и диаграммами
- анализ визуальных задач из MathVista
- решение визуальных математических задач из MathVerse
Ограничения
README не сообщает количественных результатов оценки и не описывает конкретные ограничения точности. Указанная длина контекста относится к базовой модели.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2_5_VLForConditionalGeneration
- Ревизия весов
- 252e165