/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
MIT
Архитектура
idefics3 · dense
Базовая модель
SmolVLM-256M-Instruct
Библиотека
colpali
Опубликована
23 янв 2025

ColSmolVLM-Instruct-256M-base

Языковая модель

Необученная базовая версия ColSmolVLM для инициализации LoRA при создании мультимодальных многовекторных представлений документов для поиска.

0скачиваний за 30 дней2лайкавеса обновлены14 апр 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

ColSmolVLM-Instruct-256M-base — базовая версия модели ColSmolVLM от ViDoRe, построенная на HuggingFaceTB/SmolVLM-256M-Instruct с архитектурой ColIdefics3 семейства Idefics3. Она предназначена для формирования многовекторных представлений изображений и текста по стратегии ColBERT, чтобы индексировать документы по визуальным признакам и использовать их в поиске. Эта версия не обучена и оставлена для детерминированной инициализации проекционного слоя при работе с LoRA, поэтому README предупреждает, что её не следует использовать как готовую модель. Репозиторий содержит веса safetensors, лицензия MIT. Поддерживаемый язык карточки — английский.

Сценарии применения

  • инициализация LoRA для моделей визуального поиска по документам
  • подготовка многовекторных представлений изображений документов
  • эксперименты с ColBERT-поиском по визуальным признакам

Ограничения

Это необученная базовая версия, предназначенная для детерминированной инициализации проекционного слоя при LoRA; README прямо предупреждает, что её не следует использовать как готовую модель.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ColSmolVLM-256M-Instruct: Visual Retriever based on SmolVLM-256M-Instruct with ColBERT strategy

ColSmolVLM is a model based on a novel model architecture and training strategy based on Vision Language Models (VLMs) to efficiently index documents from their visual features. It is a SmolVLM extension that generates ColBERT- style multi-vector representations of text and images. It was introduced in the paper ColPali: Efficient Document Retrieval with Vision Language Models and first released in this repository

This version is the untrained base version to guarantee deterministic projection layer initialization.

Usage

[!WARNING] This version should not be used: it is solely the base version useful for deterministic LoRA initialization.

License

ColSmol's vision language backbone model (ColSmolVLM) is under apache2.0 license. The adapters attached to the model are under MIT license.

Contact

Citation

If you use any datasets or models from this organization in your research, please cite the original dataset as follows:

@misc{faysse2024colpaliefficientdocumentretrieval,
  title={ColPali: Efficient Document Retrieval with Vision Language Models}, 
  author={Manuel Faysse and Hugues Sibille and Tony Wu and Bilel Omrani and Gautier Viaud and Céline Hudelot and Pierre Colombo},
  year={2024},
  eprint={2407.01449},
  archivePrefix={arXiv},
  primaryClass={cs.IR},
  url={https://arxiv.org/abs/2407.01449}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · colpali

Нельзя запустить

У модели не указана задача.

Класс архитектуры
ColIdefics3
Ревизия весов
99ca96f

0 моделей