/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
34,6 ГБ
Лицензия
Apache 2.0
Архитектура
molmo2 · dense
Базовая модель
Molmo2-8B
Библиотека
transformers
Опубликована
19 авг 2026

Molmo2Fish

Изображение и текст → текст3 профессии

Molmo2Fish — дообученная мультимодальная модель для отслеживания рыб в видео с эхолота и исправления треков по текстовым инструкциям.

62скачиваний за 30 дней0лайковвеса обновлены20 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

Molmo2Fish — мультимодальная модель tidalove, дообученная на базе allenai/Molmo2-8B для отслеживания рыб в видео с эхолота и исправления траекторий по текстовым инструкциям. Она получает видео и набор существующих треков — например, свои предыдущие предсказания, результат другого трекера или искажённую разметку — и возвращает исправленные треки в ответ на описание ошибок на естественном языке.

Модель основана на плотной архитектуре Molmo2ForConditionalGeneration и обучена методом LoRA ранга 64 с адаптерами для языковой модели, ViT и соединительного модуля; базовые веса при обучении были заморожены. Обучающая смесь включает задачи отслеживания, целевые и синтетические исправления, коррекцию предсказаний моделей разного качества и исправления только по тексту. Используются видео Caltech Fish Counting и наборы tidalove/cfc-track-instruction и perona-lab/cfc26. Доступны веса в формате safetensors и исходный чекпойнт обучения.

Модель предназначена для анализа видео подводной акустической съёмки, подсчёта и отслеживания рыб, а также интерактивной коррекции треков. Карточка не описывает поддержку языков или длину контекста. Лицензия — Apache-2.0.

Сценарии применения

  • отслеживание рыб на видео с эхолота
  • коррекция ошибочных траекторий рыб по текстовому описанию
  • исправление результатов другого трекера рыб
  • корректировка синтетически повреждённой разметки треков
  • подсчёт и анализ движения рыб в видеозаписях

Ограничения

Обучение и назначение модели специализированы на отслеживании рыб в видео Caltech Fish Counting, поэтому качество для других объектов и типов видеозаписей не установлено. В карточке не приведены количественные оценки качества.

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

Molmo2Fish

Molmo2Fish is Molmo2-8B fine-tuned to track fish in sonar video, and to edit those tracks in response to natural-language feedback.

Track correction is treated as a conversation: the model is shown a set of existing tracks — its own earlier predictions, another tracker's output, or corrupted ground truth — is told in words what is wrong with them, and returns a repaired set of tracks.

Codegithub.com/tidalove/molmo2fish
Datatidalove/cfc-track-instruction
Source videoCaltech Fish Counting

Files

filewhat it is
*.safetensors, config.json, …HuggingFace-format weights at the repo root — what vLLM and launch_scripts/hf_eval.py consume
Molmo2Fish-step420-raw.tarthe raw training checkpoint (sharded model + optimizer state), for resuming fine-tuning

Training

Rank 64 LoRA fine-tuning of Molmo2-8B on the full CFC mixture, step 420. Adapters on all three components — LLM, ViT, and connector — with the base weights frozen:

torchrun --nproc-per-node=8 launch_scripts/sft.py /path/to/Molmo2-8B cfc_correction \
  --lora_llm --lora_vit --lora_connector --lora_rank 64 \
  --save_folder=/path/to/save/folder

The cfc_correction mixture combines pure tracking, targeted correction, synthetically corrupted correction, correction of real model predictions at two quality levels (molmo_high / molmo_low), and text-only correction. See the dataset card for what each config contains.

Citation

@article{molmo2fish,
    title={Teach a Molmo2Fish: Towards interactive fish tracking with natural language guidance},
    author={Kai van Brunt and Justin Kay and Sara Beery},
    year={2026},
    url={https://arxiv.org/abs/2608.18602}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
Molmo2ForConditionalGeneration
Ревизия весов
2f60eae

0 моделей