# 視覺問答優化

VL-Reasoner-7B 是一個基於 GRPO-SSR 技術訓練的多模態推理模型，在多項多模態推理基準測試中表現卓越。

Phi-4-multimodal-instruct是一款輕量級開源多模態基礎模型，融合了Phi-3.5和4.0模型的語言、視覺及語音研究數據。支持文本、圖像和音頻輸入，生成文本輸出，並具備128K token的上下文長度。

Spec-Vision-V1是一款輕量級、最先進的開源多模態模型，專為深度整合視覺與文本數據而構建，支持128K的上下文長度。

Qwen2.5-VL-7B-Instruct的量化版本，支持視覺-文本輸入和文本輸出，權重量化為INT4，激活量化為FP16。

ReflectiVA是一種多模態大語言模型，通過整合外部知識源和反思令牌機制增強視覺問答能力。

基於microsoft/Florence-2-base-ft微調的視覺問答(VQA)專用版本，能夠解讀圖像內容並回答相關問題

H2OVL-Mississippi-2B是由H2O.ai開發的高性能通用視覺語言模型，能夠處理廣泛的多模態任務。該模型擁有20億參數，在圖像描述、視覺問答（VQA）和文檔理解等任務中表現出色。

Xinyuan-VL-2B 是賽靈格集團推出的面向終端側的高性能多模態大模型，基於 Qwen/Qwen2-VL-2B-Instruct 微調而成，使用了超過500萬條多模態數據及少量純文本數據。

這是基於俄語對Qwen2-VL-2B模型進行的LORA微調版本，支持多模態任務。

針對第一人稱視角視頻優化的視覺語言模型，採用EILEV創新訓練方法激發上下文學習能力

Volcano-7b是一個多模態自反饋引導的修訂模型，通過混合視覺指令調優數據集與多模態反饋和修訂數據對vicuna-7b-v1.5模型進行微調。