amaara-decide-vision
модель для быстрого выбора вариантов по картинке
2 мин чтенияобновлено
Новая компактная мультимодальная модель amaara-decide-vision создана компанией The A-Tech Corporation на базе unsloth/Qwen3.5-0.8B и специализируется не на генерации текста или развернутых ответов, а на оценке опций. На вход подается изображение, вопрос и набор вариантов ответа, после чего модель за один проход возвращает точный выбор с откалиброванной вероятностью для каждого пункта. Модель отлично подходит для анализа графиков, интерфейсов и карт, выдавая результат менее чем за секунду. Она полезна разработчикам для быстрой автоматизации аналитических задач без затрат на генерацию громоздких текстовых описаний.
Ключевые особенности
- Только выбор: Не генерирует прозу, а сразу возвращает распределение вероятностей по заданным вариантам ответа.
- Быстрая работа: Модель с размером 0.8B параметров отрабатывает по картинке обычно менее чем за секунду на процессоре.
- Специализация на графиках: Обучена на датасетах графиков, диаграмм, карт и элементов UI (например,
rico-widgetиmapqa). - Интеграция с Unsloth: Использован специальный метод обучения QLoRA с кастомными решающими головами Clef decision head.
Что можно сделать
- Анализ графиков: Автоматически отвечать на вопросы по корпоративным или статистическим графикам и диаграммам.
- Проверка интерфейсов: Обрабатывать скриншоты мобильных и веб-интерфейсов для классификации элементов UI.
- Обработка карт: Применять в задачах проверки геоданных и ответов на вопросы по картам в режиме да/нет.
Пример
from unsloth import FastDecisionModel
model, processor = FastDecisionModel.from_pretrained(
"theatechcorporation/amaara-decide-vision", load_in_4bit=False
)
answers, report = FastDecisionModel.predict(
model, processor, state="Which region has the highest revenue?",
questions={"q1": {"type": "choice",
"instructions": "Choose the criterion that best answers the question.",
"criteria": {"North": "", "South": "", "East": ""}}},
images=["chart.png"],
)Подробнее
Архитектура: базовая модель unsloth/Qwen3.5-0.8B (Apache-2.0), обучено 38.1М из 699М параметров.Точность: точность на графиках (set A) составляет 0.848, на картах mapqa — 0.942.
Ограничения: геометрия (intergps) не поддерживается, модель не предназначена для геометрических задач.
Оборудование: протестировано на RTX 5060 Ti 16 GB, поддерживается FP8 квантование и GGUF сборки.










Комментарии