Qwen3.5-9B Redaktionsfeedback LoRA
автоматическая рецензия графиков
2 мин чтенияобновлено
Эта модель представляет собой LoRA (небольшая надстройка над базовой моделью) для языковой модели Qwen3.5-9B, дообученная для проверки и рецензирования визуальных данных и инфографики. На основе поданных изображений графиков (линейных, круговых, столбчатых и др.) модель анализирует их на предмет ошибок — от отсутствия источников и заголовков до неверной сортировки данных или проблем с цветовой гаммой. Модель выдает готовый текстовый отзыв с критикой или подтверждением качества. Она пригодится разработчикам и редакциям, которым нужно автоматизировать первичную проверку графических материалов перед публикацией.
Ключевые особенности
- Основана на мощной современной базе Qwen3.5-9B с использованием библиотеки peft.
- Обучена на специализированном датасете редакторских отзывов на графики и диаграммы.
- Способна выявлять дефекты визуализации: отсутствие легенд, перепутанные оси или нечитаемые цвета.
- Генерирует развернутый текст на естественном языке с конкретными замечаниями и предложениями.
Что можно сделать
- Интегрировать в контент-пайплайн для автоматической проверки создаваемых графиков и диаграмм.
- Создать бота-редактора для внутреннего контроля качества визуального контента в Telegram или веб-интерфейсе.
- Использовать для обучения дизайнеров и аналитиков типичным ошибкам при построении диаграмм.
Пример
Пример промпта или работы модели с инфографикой: модель получает изображение круговой диаграммы (pie chart) и возвращает текст: «Zur Grafik habe ich ein paar Anmerkungen. Es fehlt die Quellenangabe. Bitte unter der Grafik die Quelle nennen (Our World in Data).»
Подробнее
Бенчмарки и обучение: лучший Eval-Loss составил 0.1130 на 500-м шаге, финальная Token-Accuracy достигла 0.9631.Гиперпараметры: Learning Rate 0.0002 (cosine), эффективный размер батча 16, LoRA r=32 / alpha=64 / dropout=0.05 в формате bf16.
Обучение заняло около 6.19 часов на датасете из более чем 10 000 примеров (train/val/test).










Комментарии