INFRL Qwen2.5 VL 72B Preview Ggufs Fully Quantized
Qwen2.5-VL-72B-Instructを基に改良された視覚言語モデルで、複数の視覚推論ベンチマークで優れた性能を発揮
ダウンロード数 230
リリース時間 : 5/14/2025
モデル概要
視覚推論能力を強化したマルチモーダルモデルで、数学的視覚理解タスクにおいてオープンソースモデル最高の性能を達成
モデル特徴
卓越した視覚推論能力
MathVision、MathVista、MathVerseなどの視覚推論ベンチマークで最高のパフォーマンス
強化学習による最適化
ルールベースの報酬を用いた強化学習手法で視覚理解能力を向上
マルチモーダル理解
視覚情報と言語情報を同時に処理し、複雑なクロスモーダル推論が可能
モデル能力
視覚質問応答
数学問題の視覚的理解
グラフ分析
クロスモーダル推論
使用事例
教育技術
数学問題の視覚的解答
グラフや数式を含む数学問題を解析
MathVistaテストセットで77.8%の精度を達成
科学研究
科学グラフ分析
研究論文の複雑なグラフを理解し解釈
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98