ДругоеThreeSixNine
Florence-2 estate antiques v2
LoRA для опознания антиквариата
2 мин чтения
Это LoRA-адаптер для Florence-2-large от ThreeSixNine: он помогает описывать и опознавать антикварные предметы по изображениям. v2 — не новый файнтюн, а продолжение обучения v1 с тем же конфигом LoRA r16 (4 718 592 обучаемых параметра) на расширенном наборе данных.
📌 Ключевые особенности
- 🖥 База — Florence-2-large; адаптер v1 загружен без переинициализации и дообучен ещё 1 эпоху.
- 📚 6 937 train-строк: 3 500 строк по фарфору из v1 и 3 437 новых RedCaps-строк по антиквариату, керамике, гончарке, винтажу, thriftstorehauls и castiron.
- 📊 На том же 386-строчном subset CiQi-Bench: generation token-F1 ≥ 0.5 — 56.0% → 66.5%, exact match — 0.0% → 3.5%, MC в JSON — 20.98% → 22.02%.
- ⚙ 1 эпоха, 868 шагов, batch 8, lr 1e-4 cosine, bf16, gradient checkpointing, около 14 минут на a10g-small.
- 🛡 Smoke gate: 288/288 adapter-тензоров изменились, сохранение/перезагрузка адаптера проверены, утечки ответов не обнаружено.
💡 Пример
Сценарий из карточки: Space estate-antique-identifier сейчас отдаёт v1. Чтобы подключить v2, замените ADAPTER_REPO в app.py на ThreeSixNine/florence2-estate-antiques-v2 — структура adapter/ и MCP-инструмент не меняются.
Подробнее
📊 Главный эффект v2 — качество генерации: token-F1 ≥ 0.5 вырос на 10.5 п.п., exact match сдвинулся с нуля.⚙ Средний train loss за эпоху — 0.7338; обучение заняло около 14 минут на a10g-small.
⚠ Ограничения: нет данных о ценах, атрибуция китайского фарфора на held-out MCQ ниже 25% случайного уровня, confidence-метки эвристические, возможны артефакты словарного перевода; лицензия CC-BY-NC-4.0.
🖥 Для v2 нужно вручную переключить Space, который пока обслуживает v1.
Комментарии