С быстрым развитием искусственного интеллекта большие языковые модели зрения продемонстрировали удивительные возможности, привнося беспрецедентные трансформационные возможности в область безопасности. Исходя из этого, мы провели серию исследований и запустили нашу модель Elpis-VL-7B. Наш технический блог: https://zhuanlan.zhihu.com/p/1910765935360451665 — Multi-Source Data Acquisition: Интегрирует реальные видео наблюдения (с десенсибилизацией), общедоступные наборы данных и автоматические конвейеры аннотаций для создания фундаментального пула данных безопасности. — Создание контента, ориентированного на сцену: использует генеративные модели для синтеза редких или сложных сценариев, таких как опасные операции, условия низкой освещенности и перекрытие толпы. — Мост Vision-Language для генерации QA: использует LVLM и DS-R1 для создания текстовых пар QA в стиле мыслительного процесса на основе синтетических изображений, что позволяет создавать наборы данных холодного запуска, адаптированные к критически важным задачам безопасности. — Обучение вознаграждению с учетом сценариев: вводит оптимизацию на основе подкрепления для повышения надежности модели в неоднозначных условиях, таких как окклюзия, размытие движения и ночные сцены. — Стратегии добычи жестких кейсов: создает высокоценные тренировочные наборы RL…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: Beagledata
Теги: qwen2_vl, image-text-to-text, elpis-vl, conversational, zh, en, text-generation-inference, endpoints_compatible
Лайков: 3 | Загрузок: 31
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
