Pixelreasoner RL V1
PixelReasoner是一个基于Qwen2.5-VL-7B-Instruct的视觉语言模型,采用好奇心驱动强化学习训练,专注于图像文本到文本的任务。
下载量 112
发布时间 : 5/18/2025
模型简介
该模型主要用于处理图像与文本之间的交互任务,能够理解图像内容并生成相关文本描述或回答基于图像的问题。
模型特点
好奇心驱动强化学习
采用论文中描述的好奇心驱动强化学习方法进行训练,提升模型的学习效率和性能。
多模态能力
结合视觉和语言处理能力,能够理解和生成与图像相关的文本内容。
高效推理
提供基于vllm和hf.generate()的推理代码,支持高效部署和使用。
模型能力
图像理解
文本生成
多模态交互
使用案例
图像描述生成
自动图像标注
为图像生成详细的文本描述,适用于内容管理和检索。
视觉问答
基于图像的问答系统
回答用户关于图像内容的提问,适用于教育、医疗等领域。
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98
智启未来,您的人工智能解决方案智库
简体中文