/ Модель

Характеристики

Контекст
16 384 токена
Размер весов
8,6 ГБ
Лицензия
Apache 2.0
Архитектура
idefics3 · dense
Базовая модель
SmolVLM-Instruct
Библиотека
colpali
Опубликована
27 ноя 2024

ColSmolVLM-base

Языковая модель

Необученная базовая мультимодальная модель ColPali для детерминированной инициализации LoRA при создании систем поиска по визуальному содержимому документов.

0скачиваний за 30 дней2лайкавеса обновлены27 ноя 2024

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-base — базовая версия мультимодальной модели для поиска по визуальному содержимому документов. Разработана командой ColPali на основе SmolVLM и использует стратегию ColBERT: формирует многовекторные представления текста и изображений, пригодные для индексации и поиска. Архитектура в метаданных обозначена как Idefics3 с классом ColIdefics3; файлы представлены в формате safetensors.

Модель предназначена для детерминированной инициализации проекционного слоя при работе с LoRA. В README прямо сказано, что эту версию не следует использовать как готовую модель: она не обучена. Репозиторий указывает лицензию Apache-2.0.

Сценарии применения

  • детерминированная инициализация проекционного слоя для LoRA
  • подготовка производной модели для поиска по изображениям документов
  • эксперименты с многовекторными представлениями текста и изображений

Ограничения

Это необученная базовая версия, и авторы предупреждают, что её не следует использовать как готовую модель. Она предназначена для детерминированной инициализации LoRA.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ColSmolVLM: Visual Retriever based on PaliGemma-3B 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.

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
f2d881f

0 моделей