К содержимому
Компьютерное зрение

Qwen3.5-2B-NoRA

модель для обоснованного анализа действий по кадрам

2 мин чтенияобновлено

Модель основана на архитектуре Qwen/Qwen3.5-2B (2.21 млрд параметров) и дообучена на аннотациях NoRA для нормативных рассуждений на основе визуальных сцен от первого лица. По предварительным кадрам модель описывает видимые факты, вытекающие из них причины и возможные дальнейшие действия с перекрестными связями. Разработка создана для исследовательских задач в области мультимодального анализа поведения и логики. Она пригодится исследователям ИИ и разработчикам систем компьютерного зрения, изучающим принятие решений в визуальных средах.

Ключевые особенности

  • Базируется на эффективной языковой модели Qwen3.5-2B
  • Обучена на аннотациях GPT-5.4 из набора LLMSilver-1230
  • Полный цикл дообучения выполнен с помощью инструмента MS-SWIFT
  • Строит структурированные связи между фактами, причинами и действиями

Что можно сделать

  • Проанализировать видеопоследовательности от первого лица для исследовательских проектов
  • Сгенерировать детальные структурированные JSON-описания сцен с обоснованием действий
  • Интегрировать модель в пайплайны обработки изображений и текста через библиотеку transformers

Пример

import torch
from transformers import AutoModelForImageTextToText, AutoProcessor

name = "MINTLABJHUANU/Qwen3.5-2B-NoRA"
processor = AutoProcessor.from_pretrained(name)
model = AutoModelForImageTextToText.from_pretrained(
    name, torch_dtype=torch.bfloat16, device_map="auto")

SYSTEM_PROMPT = (
    "Describe a reasonable next-action decision from the camera wearer's "
    "perspective. Use only the visible scene. Return one JSON object with "
    "clip_id, facts, reasons, and actions. Return JSON only."
)
USER_PROMPT = "Create a NoRA annotation for clip_id `{clip_id}` from these pre-action frames."

messages = [
    {"role": "system", "content": [{"type": "text", "text": SYSTEM_PROMPT}]},
    {"role": "user", "content": [
        {"type": "image", "url": "frames.jpg"},
        {"type": "text", "text": USER_PROMPT.format(clip_id="example")},
    ]},
]
inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt", enable_thinking=False,
).to(model.device)
output = model.generate(**inputs, max_new_tokens=2048, do_sample=False)
print(processor.decode(
    output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
ПодробнееМетод обучения: Full fine-تنning с MS-SWIFT
Эпохи и learning rate: 3 / 1e-5
Batch size и gradient accumulation: 1 / 16
Точность и лимит токенов: BF16 / 4,096 токенов
Ограничения: Модель предназначена для исследований нормативных рассуждений, не является системой безопасности и не должна использоваться для принятия решений о людях.
Обсудить Telegram 0 37

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.1 GB · готовые файлы5.0 GB
  • FP8 / INT8рекомендуемвеса 2.1 GB2.8 GB
  • 4-bitвеса 1.2 GB1.8 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.

    # Lester1996/Qwen3.5-2B-NoRA
    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 Lester1996/Qwen3.5-2B-NoRA --local-dir ~/models/Qwen3.5-2B-NoRA
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-2B-NoRA
  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

Дообучение модели

Qwen/Qwen3.5-2B
  1. Qwen3.5-2B-Baseоснова семьи
  2. Qwen3.5-2B
  3. Qwen3.5-2B-NoRA

Новые посты про версии Qwen3.5-2B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 10Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

Lester1996/Qwen3.5-2B-NoRA
Автор
Lester1996
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

370

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Molmo 7B-D

Molmo 7B-D