/ Модель

Характеристики

Контекст
128 токенов
Параметры
14,2 млн
Лицензия
CC BY 4.0
Архитектура
transformer · dense
Опубликована
27 авг 2026

visual-question-answering-2024

Вопросы по изображениюИзображение, текст → текст3 профессии

Исследовательские заметки и план оценки систем визуальных вопросов и ответов, без готового обученного чекпойнта.

11скачиваний за 30 дней0лайковвеса обновлены27 авг 2026

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

Репозиторий srmistm-aterials/visual-question-answering-2024 содержит исследовательские заметки и план эксперимента по визуальным вопросам и ответам, а не готовую обученную модель. В карточке указаны архитектура Transformer с плотными слоями, 14,2 млн параметров, формат safetensors и контекст 128 токенов; README при этом уточняет, что обученный чекпойнт и выпущенный код не предоставлены.

Материалы задают возможное сравнение с базовыми методами и обсуждают оценивание на VQAv2, GQA и OK-VQA, включая потенциальные факторы смешения, воспроизводимость и режимы отказа. Эти датасеты и метрики представлены как планы проверки, а не как завершённые эксперименты или подтверждённые результаты. Лицензия репозитория — CC BY 4.0.

Сценарии применения

  • планирование эксперимента по ответам на вопросы об изображениях
  • составление сравнения на VQAv2
  • оценка визуальных вопросов на GQA
  • подготовка проверки на OK-VQA
  • анализ воспроизводимости и возможных ошибок VQA

Ограничения

README описывает только исследовательский план: обученный чекпойнт, код и результаты бенчмарков не заявлены. Язык ответов и практическая готовность модели не подтверждены.

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

Notes on Visual Question Answering

Repository summary

Reading notes and an experiment sketch for Visual Question Answering. The repository emphasizes what still needs to be tested instead of manufacturing scores or release claims.

What is covered

  • the scope of the research question and likely confounders
  • a proposed comparison with matched baselines
  • concrete evaluation context such as VQAv2, GQA, and OK-VQA
  • reproducibility checks, failure modes, and open questions
  • topic-relevant references

How to read this repository

Start with review.md for the full note. Sections labeled as plans or hypotheses should not be interpreted as experimental results. If results are added later, they should include dataset versions, commands, seeds, hardware, and raw logs.

Scope and limitations

The note is intentionally exploratory. It does not claim benchmark improvements, completed ablations, released code, or a trained checkpoint. References and proposed datasets provide a starting point for verification rather than evidence that the study has already been run.

Files

  • review.md — primary artifact
  • README.md — this documentation

License

Released under cc-by-4.0. Review the source-data terms separately when this repository is used with external datasets.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура transformer неизвестна transformers в образе рантайма.

Класс архитектуры
CustomResearchModel
Ревизия весов
6f64904

0 моделей