跳到正文

Vary-toy

基于 Qwen-1.8B 的小型 Vary 模型

访问官网
分类 AI模型

Vary-toy 是什么

Vary-toy 被介绍为一个基于 Qwen-1.8B 的小型 Vary 模型,引入改进的视觉词汇以获得更广的泛化能力。

你可以用它做什么

  • 在普通 GPU 上做文档视觉问答实验
  • 在普通 GPU 上做图表问答实验
  • 在普通 GPU 上做引用关注指代实验

模型说明

  • 用目标检测驱动的正样本替换自然图像的负样本
  • RefCOCO 上报告 88.1% 的准确率
  • MMVet 上报告 29% 的准确率

优点与缺点

✓ 我们认可的地方

  • 能高效编码与自然物体对应的视觉信息
  • 资料报告了四个基准上的结果

! 需要留意的地方

  • 基础语言模型为 Qwen-1.8B
  • 资料所述训练在普通 GPU 上进行

常见问题

基础模型是什么?

资料写明以 Qwen-1.8B 作为基础语言模型。

报告的 ANLS 是多少?

资料写明在 DocVQA 上实现 65.6% 的 ANLS。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法