/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
23,2 ГБ
Лицензия
Apache 2.0
Архитектура
omnilmm · dense
Опубликована
20 мая 2024

RLAIF-V-12B

Генерация текстаТекст → текст5 профессий

Мультимодальная диалоговая модель OpenBMB для генерации ответов по текстовым и визуальным входам с обучением на обратной связи ИИ.

191скачиваний за 30 дней8лайковвеса обновлены4 мар 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

RLAIF-V-12B — мультимодальная большая языковая модель, разработанная OpenBMB на основе OmniLMM из серии MiniCPM-V и дообученная в рамках открытого подхода RLAIF-V с использованием набора RLAIF-V-Dataset. Она предназначена для диалоговой генерации ответов и работы с визуальными и текстовыми входами; авторы сообщают о высокой надёжности ответов в генеративных и дискриминативных задачах, а также о сохранении общих способностей на тестах LLaVA Bench и MMStar.

Модель имеет плотную архитектуру OmniLMMForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Её также можно применять как модель вознаграждения для выбора лучших ответов среди нескольких вариантов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Подробные инструкции по запуску вынесены авторами в GitHub; заявления о превосходстве над GPT-4V относятся к оценкам авторов.

Сценарии применения

  • диалоговые ответы на вопросы по изображению
  • описание и обсуждение визуального содержимого
  • генерация ответов с учётом обратной связи ИИ
  • выбор лучшего ответа среди нескольких вариантов с помощью оценки вознаграждения

Ограничения

README не приводит подробностей о точности по отдельным задачам или о систематических ограничениях модели. Для запуска и использования требуется обратиться к инструкциям проекта на GitHub.

Для каких профессий подходит5

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

Model Card for RLAIF-V

GitHub | Paper

RLAIF-V-12B is a multimodal large language model (MLLM) that exhibits super GPT-4V trustworthiness. The model is built up on OmniLMM from the MiniCPM-V series.

We utilize a novel framework, RLAIF-V, which aligns MLLMs in a fully open-source paradigm. This framework maximally exploits the open-source feedback from two key perspectives, including high-quality feedback data and an online feedback learning algorithm.

Model Details

Key Features

  • 🏅 Super GPT-4V Trustworthiness: By learning from open-source AI feedback, RLAIF-V-12B achieves super GPT-4V trustworthiness in both generative and discriminative tasks.
  • 💪 Maintaining Well Performance on General Abilities: On benchmarks tested with the general abilities (e.g. LLaVA Bench, MMStar), RLAIF-V-12B also exhibits good performance.
  • 🚀 Inference-time Scaling by RLAIF-V Reward: Using RLAIF-V 12B as a reward model can further improve model performance on multiple benchmarks with best-of-N selection. It also consistently improves the trustworthiness on different MLLMs.

Examples

Model Description

Usage

Please look at GitHub for more details about usage.

Citation

If you find our model/code/paper helpful, please consider cite our papers 📝:

@article{yu2023rlhf,
  title={Rlhf-v: Towards trustworthy mllms via behavior alignment from fine-grained correctional human feedback},
  author={Yu, Tianyu and Yao, Yuan and Zhang, Haoye and He, Taiwen and Han, Yifeng and Cui, Ganqu and Hu, Jinyi and Liu, Zhiyuan and Zheng, Hai-Tao and Sun, Maosong and others},
  journal={arXiv preprint arXiv:2312.00849},
  year={2023}
}

@article{yu2024rlaifv,
  title={RLAIF-V: Open-Source AI Feedback Leads to Super GPT-4V Trustworthiness}, 
  author={Tianyu Yu and Haoye Zhang and Qiming Li and Qixin Xu and Yuan Yao and Da Chen and Xiaoman Lu and Ganqu Cui and Yunkai Dang and Taiwen He and Xiaocheng Feng and Jun Song and Bo Zheng and Zhiyuan Liu and Tat-Seng Chua and Maosong Sun},
  journal={arXiv preprint arXiv:2405.17220},
  year={2024},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура omnilmm неизвестна transformers в образе рантайма.

Класс архитектуры
OmniLMMForCausalLM
Ревизия весов
0f6f44a

0 моделей