EO-Jev

Модель EO-Jev от mx297 — это d3-flash (8.4B параметров, на базе Qwen3.5-9B), адаптированный под Earth observation. Она не генерирует текст, а за один forward pass выдаёт вероятности для каждого разрешённого варианта ответа по одному или нескольким изображениям. LoRA-адаптеры обучены на публичных EO-данных и слиты в веса, поэтому архитектура и стоимость инференса такие же, как у d3-flash.

✨ Ключевые особенности

• 🤖 Один forward pass: на выходе — распределение вероятностей по заданным вариантам, без генерации текста.
• 🌍 Адаптация d3-flash к Earth observation; LoRA rank 32 на text tower, 64 на vision merger и 16 на vision blocks, адаптеры слиты.
• 📌 Типы вопросов: choice (до 255 вариантов), noul (вероятность «да») и score (2–10 упорядоченных уровней).
• 💻 Все вопросы по одному или нескольким изображениям обрабатываются за один вызов; доступен pipeline('decision').
• ✅ Вероятности калиброваны: можно задать порог и автоматически принимать уверенные ответы, а спорные отправлять аналитику.

💻 Пример

from transformers import AutoModel
model = AutoModel.from_pretrained('mx297/EO-Jev', trust_remote_code=True)
q = {'scene': {'type': 'choice', 'instructions': 'Main land use?',
     'criteria': {'airport': None, 'harbor': None, 'parking lot': None}}}
print(model.system_one(state='Aerial image, 0.3 m/pixel.', images=['airport.png'], questions=q)['answers'])

Подробнее

На 26 из 30 настроек значимо лучше d3-flash; на 12 отложенных — +8.0 пункта в среднем.
Медианная пропускная способность — 6.4× от лучшего специалиста (3.2× при одном вопросе за вызов).
Обучение: 20 000 шагов по 16 вопросов на 4×A100; LoRA rank 32/64/16, адаптеры слиты в веса.
Ограничения: подсчёт на незнакомых снимках, порядок вариантов, геометрия/кросс-вид, калибровка вне обучающих данных; только RGB, без SAR и мультиспектра.
Цена адаптации — −1.8 пункта на общих (не-EO) решениях.