Lucia v1

Lucia v1 от AbstractPhil — старшая в семействе Lucia, LoRA-адаптер к Qwen/Qwen3.5-9B (image-text-to-text). Модель смотрит на изображение и выдаёт строку «thought-symbolic-image»: короткую цепочку мыслей, по одному именованному шагу на строку, затем подпись, prompt и теги, а после — вопросы, которые задал бы внимательный зритель, с ответами и пометкой, чем ответ подтверждён.

💡 Ключевые особенности

• 🧩 Фиксированный набор шагов цепочки: see, name, place, count, relate, form, light, colour, mood, mean, intend, story, compare, change, check, say.
• 🔬 Глубина взгляда задаётся словами в промпте: «a quick look» (1–2 мысли), «a closer look» (3–5), «a long look» (6–10).
• ⚙ LoRA rank 32, alpha 64, dropout 0.05, 80.2M обучаемых параметров; vision tower заморожен.
• 🩻 Каждый вопрос помечается: [record] — факт с картинки, [chain] — выведено цепочкой, [unknown] — неизвестно.
• 🌐 Только английский; thinking выключен и в обучении, и в инференсе — нужны transformers 5 и peft 0.18+.

🖐 Пример

from PIL import Image
image = Image.open("picture.jpg").convert("RGB")
prompt = ("Look at this picture and think it through in writing, a closer look, ending with a caption; then write a caption and a prompt or tags, and the questions a careful looker would still ask.")
messages = [{"role": "user", "content": [{"type": "image", "image": image}, {"type": "text", "text": prompt}]}]
text = processor.apply_chat_template(messages, add_generation_prompt=True, tokenize=False, enable_thinking=False)
inputs = processor(text=[text], images=[image], return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=800, do_sample=False)

Подробнее

500 отложенных картин, медиум назван верно из 100: рисунок 86, объект 90, картина 83, фотография 80, эстамп 76 (у прошлой версии — 80 / 4 / 20 / 76 / 67).
200 музейных картин: 13 из 27 картин, 38 из 39 эстампов, 66 из 66 объектов.
0.27 с на строку на одной RTX PRO 6000, batch 64, 800 новых токенов.
Ограничения: быстрый взгляд хрупок, строки-спецификации без картинки дают определяющую мысль примерно в 1 случае из 10, язык только английский. Лицензия Apache-2.0; для 4B, 2B и 0.8B есть и полные файнтюны.