/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
7,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Библиотека
colpali
Опубликована
30 янв 2025

colqwen2.5-base

Языковая модель

Необученная базовая версия ColQwen2.5 для детерминированной инициализации LoRA в моделях визуального поиска документов.

0скачиваний за 30 дней4лайкавеса обновлены6 июн 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

ColQwen2.5-base — базовая версия модели визуального поиска документов от команды ViDoRe, построенная на Qwen2.5-VL-3B-Instruct с архитектурой ColBERT. Она формирует многовекторные представления текста и изображений для индексации документов по визуальным признакам и поиска релевантных страниц. Модель содержит 3,1 млрд параметров, использует библиотеку ColPali и поддерживает контекст до 128 000 токенов.

Эта версия не обучена для полноценного поиска и предназначена только как основа для детерминированной инициализации LoRA. Для прикладного извлечения документов её использовать не следует. Лицензия — Apache 2.0.

Сценарии применения

  • инициализация LoRA для дообучения визуального поиска документов
  • создание воспроизводимой базовой проекции ColQwen2.5
  • разработка систем индексации страниц по изображениям документов

Ограничения

Модель не обучена и, согласно карточке, не предназначена для использования как готовый поисковый инструмент; она служит базой для детерминированной инициализации LoRA.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ColQwen2.5: Visual Retriever based on Qwen2.5-VL-3B-Instruct with ColBERT strategy

ColQwen 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 Qwen2.5-VL-3B 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
ColQwen2_5
Ревизия весов
9290812

0 моделей