К содержимому
Другое

TableMoE (Qwen2.5-VL-7B)

VLM с маршрутизацией экспертов для анализа таблиц

2 мин чтенияобновлено

Визуально-языковая модель (VLM) от анонимных исследователей для ответов на вопросы по изображениям таблиц. В основе лежит Qwen/Qwen2.5-VL-7B-Instruct, дополненная LoRA-адаптерами (небольшими надстройками над весами) и модулем MoE (Mixture-of-Experts — архитектурой с несколькими специализированными «экспертами» и маршрутизатором). Вместо единого блока связи между картинкой и текстом здесь работают четыре эксперта под разные форматы данных: общий, HTML, JSON и код. Подойдёт разработчикам и исследователям для извлечения фактов, расчётов и парсинга таблиц со скриншотов и сканов.

Ключевые особенности

  • В коннектор встроены роутер и 4 эксперта с фиксированным порядком: 0=general, 1=html, 2=json, 3=code.
  • Совместное обучение (метод SC-RPO, 1-я эпоха) обновляет одновременно маршрутизатор, всех четырёх экспертов и веса LoRA.
  • При генерации используется детерминированная маршрутизация Top-2 и жадное декодирование (do_sample=False).
  • Также доступны варианты релизов на базе Qwen3-VL-8B и версия 2-й эпохи обучения.

Что можно сделать

  • Встроить в пайплайны извлечения данных из отсканированных счетов, отчётов и скриншотов таблиц с ответами на естественном языке.
  • Использовать в задачах табличного QA и проверки фактов (по аналогии с бенчмарками WTQ, TAT-QA и TabFact).
  • Сравнить точность работы 1-й эпохи на базе Qwen2.5-VL-7B с чекпоинтом 2-й эпохи или версией на Qwen3-VL-8B.

Пример

export PYTHONPATH=code
python -m tablemoe.infer \
  --release-dir . \
  --base-model Qwen/Qwen2.5-VL-7B-Instruct \
  --image /path/to/table.png \
  --question "Your question about the table." \
  --device cuda --max-new-tokens 1024 --output generation.json
ПодробнееБенчмарки (среднее 73.39): TabMWP — 88.47, TabFact — 80.85, InfoTabs — 72.33, HiTab — 69.67, TAT-QA — 64.90, WTQ — 64.11.
Загрузка: стандартный AutoModel.from_pretrained не поддерживается — нужен загрузчик из папки code/ и отдельно скачанная база Qwen/Qwen2.5-VL-7B-Instruct.
Ограничения: анонимный чекпоинт для рецензирования (submission #15103), ревизия базовой модели в конфиге помечена как unverified.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.7 GB · готовые файлы1.3 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB0.9 GB
  • 4-bitвеса 0.2 GB0.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # anonymous-review-15103/tablemoe-qwen25-vl-7b-sc-rpo-ep1
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download anonymous-review-15103/tablemoe-qwen25-vl-7b-sc-rpo-ep1 --local-dir ~/models/tablemoe-qwen25-vl-7b-sc-rpo-ep1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tablemoe-qwen25-vl-7b-sc-rpo-ep1
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии tablemoe-qwen25-vl-7b-sc-rpo-ep1 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

anonymous-review-15103/tablemoe-qwen25-vl-7b-sc-rpo-ep1
Автор
anonymous-review-15103
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии