/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-2B-Instruct
Библиотека
transformers
Опубликована
19 янв 2026

ChartVerse-2B

Изображение и текст → текст6 профессий

Компактная мультимодальная модель для ответов на вопросы и многошагового анализа графиков и диаграмм по изображению.

114скачиваний за 30 дней7лайковвеса обновлены21 янв 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

ChartVerse-2B — компактная мультимодальная модель для понимания графиков и диаграмм, разработанная в рамках проекта opendatalab/ChartVerse. Она дообучена на базе Qwen/Qwen3-VL-2B-Instruct и принимает изображения графиков вместе с текстовыми запросами, выдавая текстовые ответы и объяснения. Модель предназначена для вопросов по данным на графиках и многошагового анализа, включая рассуждения по цепочке мыслей.

Модель содержит 2 млрд параметров и обучена на наборах ChartVerse-SFT-600K и ChartVerse-RL-40K. По данным карточки, она набрала в среднем 54,3% на шести сложных бенчмарках по графикам и превзошла приведённые в README специализированные модели на 7 млрд параметров. Репозиторий использует архитектуру Qwen3-VL, библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы по графикам и диаграммам
  • извлечение значений и тенденций из визуализаций данных
  • многошаговый анализ сложных графиков
  • сравнение показателей, представленных на диаграмме

Ограничения

Специализирована на графиках и диаграммах; заявленные 54,3% усреднены по шести бенчмаркам и не гарантируют точность на произвольных изображениях или задачах.

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

ChartVerse-2B is a compact yet powerful Vision Language Model (VLM) specialized for complex chart reasoning, developed as part of the opendatalab/ChartVerse project. For more details about our method, datasets, and full model series, please visit our Project Page.

Despite its 2B parameter size, ChartVerse-2B achieves superior performance compared to larger chart-specific models like ECD-7B, START-7B, and Chart-R1-7B, demonstrating that high-quality training data can substantially offset model size limitations.

🔥 Highlights

  • Compact yet Powerful: 2B parameters achieving 54.3% average score across 6 challenging chart benchmarks
  • Surpasses Larger Models: Outperforms all 7B chart-specific baselines (ECD-7B: 50.0%, START-7B: 52.5%, Chart-R1-7B: 53.6%)
  • High-Quality Training: Trained on ChartVerse-SFT-600K and ChartVerse-RL-40K with rigorous truth-anchored QA synthesis
  • Strong Reasoning: Equipped with Chain-of-Thought reasoning capabilities for complex multi-step chart analysis

📊 Model Performance

Overall Results

SFT vs RL Performance

📚 Training Data

ChartVerse-SFT-600K

  • 412K unique high-complexity charts
  • 603K QA pairs with 3.9B tokens of CoT reasoning
  • Rollout Posterior Entropy: 0.44 (highest among all datasets)
  • Truth-anchored answer verification via code execution

ChartVerse-RL-40K

  • 40K highest-difficulty samples
  • Filtered by failure rate: 0 < r(Q) < 1
  • Ensures "hard but solvable" training signal

🏋️ Training Details

Supervised Fine-Tuning (SFT):

  • Framework: LLaMA-Factory
  • Dataset: ChartVerse-SFT-600K
  • Learning rate: 1.0 × 10⁻⁵
  • Global batch size: 128
  • Context length: 22,000 tokens

Reinforcement Learning (RL):

  • Framework: veRL
  • Dataset: ChartVerse-RL-40K
  • Algorithm: GSPO
  • Learning rate: 1.0 × 10⁻⁶
  • Rollout samples: 16 per prompt

🚀 Quick Start

from transformers import Qwen3VLForConditionalGeneration, AutoProcessor
from qwen_vl_utils import process_vision_info
from PIL import Image

# 1. Load Model
model_path = "opendatalab/ChartVerse-2B"
model = Qwen3VLForConditionalGeneration.from_pretrained(
    model_path, torch_dtype="auto", device_map="auto"
)
processor = AutoProcessor.from_pretrained(model_path)

# 2. Prepare Input
image_path = "path/to/your/chart.png"
query = "Which region demonstrates the greatest proportional variation in annual revenue compared to its typical revenue level?"

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": image_path},
            {"type": "text", "text": query},
        ],
    }
]

# 3. Inference
text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
image_inputs, video_inputs = process_vision_info(messages)
inputs = processor(
    text=[text],
    images=image_inputs,
    padding=True,
    return_tensors="pt",
).to("cuda")
generated_ids = model.generate(**inputs, max_new_tokens=16384)
output_text = processor.batch_decode(
    generated_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text[0])

📖 Citation

@misc{liu2026chartversescalingchartreasoning,
      title={ChartVerse: Scaling Chart Reasoning via Reliable Programmatic Synthesis from Scratch}, 
      author={Zheng Liu and Honglin Lin and Chonghan Qin and Xiaoyang Wang and Xin Gao and Yu Li and Mengzhang Cai and Yun Zhu and Zhanping Zhong and Qizhi Pei and Zhuoshi Pan and Xiaoran Shang and Bin Cui and Conghui He and Wentao Zhang and Lijun Wu},
      year={2026},
      eprint={2601.13606},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2601.13606}, 
}

📄 License

This model is released under the Apache 2.0 License.

🙏 Acknowledgements

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
4431518

0 моделей