視覺語言推理

# 視覺語言推理

Visualquality R1 7B Preview

基於Qwen2.5-VL-7B-Instruct的視覺語言模型，專注於圖像質量評估任務

圖像生成文本

Safetensors 英語

Gemma 3 12b Pt Unsloth Bnb 4bit

Gemma 3是谷歌推出的輕量級先進開放模型系列，基於與Gemini相同的研究技術構建，支持多模態輸入和文本輸出。

文本生成圖像

Transformers 英語

Qwen2.5 VL 7B Instruct 4bit

基於Qwen2.5-VL-7B-Instruct模型微調的多模態模型，採用Unsloth加速框架和TRL庫訓練，速度提升2倍

文本生成圖像

Transformers 英語

Llama 3.2V 11B Cot

Llama-3.2V-11B-cot 是一個能夠進行自發、系統性推理的視覺語言模型，基於 LLaVA-CoT 框架開發。

圖像生成文本

Transformers 英語

DePlot是一個視覺語言推理模型，能夠將圖表圖像轉換為線性化表格，結合大語言模型實現少樣本推理

圖像生成文本

Transformers 支持多種語言

精選推薦AI模型

Llama 3 Typhoon V1.5x 8b Instruct

專為泰語設計的80億參數指令模型，性能媲美GPT-3.5-turbo，優化了應用場景、檢索增強生成、受限生成和推理任務

大型語言模型

Transformers 支持多種語言

Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型，專為邊緣設備推理設計，體積僅為Cosmo-3B模型的2%左右。

Transformers 英語

Roberta Base Chinese Extractive Qa

基於RoBERTa架構的中文抽取式問答模型，適用於從給定文本中提取答案的任務。

問答系統中文

AIbase

智啟未來，您的人工智能解決方案智庫

English 简体中文繁體中文にほんご

© 2025AIbase