Qwen2 Vl 7b Rslora Offensive Meme Singapore

🚀 Qwen2-VL 7B RSLORA新加坡冒犯性表情包模型卡片

本模型是針對新加坡語境下冒犯性表情包分類對Qwen2-VL-7B-Instruct進行微調後的版本。它基於multimodal_meme_classification_singapore數據集進行訓練。

📚 詳細文檔

🔍 模型描述

此模型會考慮新加坡的社會背景，對錶情包是否具有冒犯性進行分類。它藉助了Qwen2-VL-7B-Instruct的視覺和文本理解能力。

• 開發者：曹宇軒、吳家揚、Alistair Cheong Liang Chuen、Bryan Shan Guanrong、Theodore Lee Chong Jen和Sherman Chann Zhi Shen
• 模型類型：視覺語言模型（VLM）
• 語言（NLP）：英語
• 許可證：MIT
• 微調基礎模型：Qwen/Qwen2-VL-7B-Instruct

🌐 模型來源

• 倉庫：https://github.com/aliencaocao/vlm-for-memes-aisg
• 論文：Detecting Offensive Memes with Social Biases in Singapore Context Using Multimodal Large Language Models

💻 使用示例

📌 直接使用

該模型可直接用於表情包分類。具體代碼示例請參考“如何開始使用模型”部分。

📌 下游應用（可選）

此模型可進一步針對其他相關任務進行微調，或集成到更大的內容審核系統中。

🚫 適用範圍外的使用

該模型是專門針對新加坡語境進行訓練的，可能無法很好地泛化到其他文化或語言中。不應使用該模型對個人或群體做出確定性的判斷。

⚠️ 偏差、風險和侷限性

與任何機器學習模型一樣，該模型可能會表現出訓練數據中存在的偏差。重要的是要意識到這些侷限性，並負責任地使用該模型。需要進一步的研究來評估和減輕潛在的偏差。

💡 使用建議

用戶應意識到模型性能可能存在偏差和侷限性。建議將此模型作為輔助人工審核人員的工具，而非替代人工判斷。

🚀 如何開始使用模型

使用示例請參考模型倉庫的README：https://github.com/aliencaocao/vlm-for-memes-aisg

🔧 技術細節

📊 訓練數據

該模型基於multimodal_meme_classification_singapore數據集進行訓練。該數據集包含在新加坡語境下標記為冒犯性或非冒犯性的表情包。

📋 訓練過程

關於訓練過程的更多詳細信息可在論文中找到。

📈 評估

該模型在保留的測試集上實現了0.8192的AUROC和0.8043的準確率。有關評估方法的更多詳細信息請參考論文。

📄 許可證

本模型使用的許可證為MIT。

📖 引用

@misc{yuxuan2025detectingoffensivememessocial,
      title={Detecting Offensive Memes with Social Biases in Singapore Context Using Multimodal Large Language Models}, 
      author={Cao Yuxuan and Wu Jiayang and Alistair Cheong Liang Chuen and Bryan Shan Guanrong and Theodore Lee Chong Jen and Sherman Chann Zhi Shen},
      year={2025},
      eprint={2502.18101},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2502.18101}, 
}

📋 信息表格