Qwen2 Vl 7b Rslora Offensive Meme Singapore

🚀 Qwen2-VL 7B RSLORA新加坡冒犯性表情包模型卡片

本模型是针对新加坡语境下冒犯性表情包分类对Qwen2-VL-7B-Instruct进行微调后的版本。它基于multimodal_meme_classification_singapore数据集进行训练。

📚 详细文档

🔍 模型描述

此模型会考虑新加坡的社会背景，对表情包是否具有冒犯性进行分类。它借助了Qwen2-VL-7B-Instruct的视觉和文本理解能力。

• 开发者：曹宇轩、吴家扬、Alistair Cheong Liang Chuen、Bryan Shan Guanrong、Theodore Lee Chong Jen和Sherman Chann Zhi Shen
• 模型类型：视觉语言模型（VLM）
• 语言（NLP）：英语
• 许可证：MIT
• 微调基础模型：Qwen/Qwen2-VL-7B-Instruct

🌐 模型来源

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

💻 使用示例

📌 直接使用

该模型可直接用于表情包分类。具体代码示例请参考“如何开始使用模型”部分。

📌 下游应用（可选）

此模型可进一步针对其他相关任务进行微调，或集成到更大的内容审核系统中。

🚫 适用范围外的使用

该模型是专门针对新加坡语境进行训练的，可能无法很好地泛化到其他文化或语言中。不应使用该模型对个人或群体做出确定性的判断。

⚠️ 偏差、风险和局限性

与任何机器学习模型一样，该模型可能会表现出训练数据中存在的偏差。重要的是要意识到这些局限性，并负责任地使用该模型。需要进一步的研究来评估和减轻潜在的偏差。

💡 使用建议

用户应意识到模型性能可能存在偏差和局限性。建议将此模型作为辅助人工审核人员的工具，而非替代人工判断。

🚀 如何开始使用模型

使用示例请参考模型仓库的README：https://github.com/aliencaocao/vlm-for-memes-aisg

🔧 技术细节

📊 训练数据

该模型基于multimodal_meme_classification_singapore数据集进行训练。该数据集包含在新加坡语境下标记为冒犯性或非冒犯性的表情包。

📋 训练过程

关于训练过程的更多详细信息可在论文中找到。

📈 评估

该模型在保留的测试集上实现了0.8192的AUROC和0.8043的准确率。有关评估方法的更多详细信息请参考论文。

📄 许可证

本模型使用的许可证为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