К содержимому
Другое

JevNavAgent

визуальный агент для анализа гигапиксельной патологии

2 мин чтенияобновлено

Модель JevNavAgent представляет собой комплекс предобученных чекпоинтов на базе модели Qwen/Qwen3-VL-2B-Instruct, дополненных LoRA-весами (небольшая надстройка над базовой моделью) и специализированными головами принятия решений. Система разработана для автоматизированной навигации и визуального анализа гигапиксельных медицинских сканов (WSI). Агент последовательно исследует ткани, оценивает необходимость остановки поиска и выдает точные ответы, совмещая этапы SFT (контролируемого точной настройкой обучения) и обучения с подкреплением на уровне траекторий (GRPO). Модель пригодится исследователям в области биомедицинской инженерии и цифровой патологии.

Ключевые особенности

  • Базовая архитектура: использует компактную мультимодальную модель Qwen3-VL-2B-Instruct с эффективными LoRA-адаптерами.
  • Факторизованные головы: включает три специализированные решающие головы (heads.pt) для оценки достаточности улик, простого анализа пространственной геометрии и контекстно-билинейных ответов.
  • Двухэтапное обучение: включает веса для Stage-1 SFT выравнивания траекторий и Stage-2 интерактивного GRPO (включая совместное обучение VQA+KL и оптимизацию под датасет CAMELYON16).
  • Специализированные бенчмарки: оптимизирована под сложные клинические задачи на медицинских наборах данных WSI-VQA 351 и CAM16.

Что можно сделать

  • Запустить оценку модели: применить официальный пакет оценки через командную строку для тестирования на датасетах WSI-VQA или CAMELYON16.
  • Интегрировать PEFT веса: использовать легковесные веса adapter/ и конфигурационный файл jev_config.json (около 73 МБ) для собственных экспериментов.
  • Анализировать гигапиксельные слайды: применять модель в связке с репозиторием разработчиков для поиска опухолей и ответов на визуальные вопросы по патоморфологии.

Пример

git clone [https://github.com/yonghongwu/JevNavAgent.git](https://github.com/yonghongwu/JevNavAgent.git)
cd JevNavAgent && pip install -e .

jevnav-download --mode eval-slides --out ./data

jevnav-eval \
  --benchmark wsivqa_351 \
  --policy jevnav \
  --checkpoint renyimen/JevNavAgent:stage2_traj_grpo_vqa_kl \
  --backbone Qwen/Qwen3-VL-2B-Instruct \
  --data-dir ./data \
  --output results/jevnav_vqa.jsonl
ПодробнееПроизводительность WSI-VQA 351 (Stage-2): точность Step-$T$ 50.43%, Micro-Focal 51.39%, Clin. A–D 54.73%.
Результаты на CAM16 Test-129: попадание по локализации 22.45% (при конвертации останова 91.7%), специфичность 93.75%.
Каждый чекпоинт содержит веса PEFT LoRA, факторные головы heads.pt и файл jev_config.json (~73 МБ).
Лицензия: Apache-2.0 (базовая модель подчиняется оригинальной лицензии Qwen).
Примеры
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.0 GB · готовые файлы4.9 GB
  • FP8 / INT8рекомендуемвеса 2.0 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.

Это LoRA: вместе с базовой моделью Qwen3-VL-2B-Instruct.

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.

    # renyimen/JevNavAgent
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Qwen/Qwen3-VL-2B-Instruct --local-dir ~/models/Qwen3-VL-2B-Instruct
    hf download renyimen/JevNavAgent --local-dir ~/models/JevNavAgent
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-VL-2B-Instruct
  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

Нужна базовая модель

Qwen/Qwen3-VL-2B-Instruct

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

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

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

renyimen/JevNavAgent
Автор
renyimen
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

Языковые модели

flexing-v1

flexing-v1
Языковые модели

MemLoop SFT v6

MemLoop SFT v6
Компьютерное зрение

peshtur

peshtur
Языковые модели

Qwen-VL

Qwen-VL