К содержимому
Другое

PEARL-Qwen3-VL-8B-LoRA

адаптер для анализа потокового видео по пользовательским концептам

2 мин чтенияобновлено

Модель представляет собой LoRA (небольшая надстройка над базовой моделью) для визуально-языковой модели Qwen3-VL-8B-Instruct, обученная в рамках концепции PEARL. Она предназначена для персонализированного понимания потокового видео, где пользователи могут задавать вопросы по концептам, определяемым во время работы системы. Модель умеет обрабатывать как вопросы о текущем фрагменте видео (Real-Time), так и запросы по памяти из прошлых фрагментов (Past-Time). Адаптер применяется на этапе финального ответа и в связке с ретривером повышает точность работы.

Ключевые особенности

  • Обучена на датасете PSVU-10K, содержащем 10 000 вопросов по видео из 155 источников.
  • Улучшает точность ответов на PSVU-Bench во всех категориях, включая поведение, объекты и локации.
  • Содержит 15.3 млн тренируемых параметров с рангом 16 и альфа 32.
  • Распространяется под свободной лицензией Apache-2.0.

Что можно сделать

  • Применить в пайплайне PEARL для ответов на вопросы по пользовательским объектам в потоковом видео.
  • Загрузить веса адаптера через vLLM с включенной поддержкой LoRA для финальных ответов.
  • Интегрировать адаптер с помощью библиотек transformers и peft для кастомных пайплайнов обработки видео.

Пример

from vllm import LLM, SamplingParams
from huggingface_hub import snapshot_download
from vllm.lora.request import LoRARequest

llm = LLM(model="Qwen/Qwen3-VL-8B-Instruct", enable_lora=True, max_lora_rank=16)
answer_lora = LoRARequest("pearl-answer", 1, snapshot_download("zyh200727/PEARL-Qwen3-VL-8B-LoRA"))
sampling = SamplingParams(temperature=0.0)

helper_outputs = llm.generate(helper_inputs, sampling)
answer_outputs = llm.generate(answer_inputs, sampling, lora_request=answer_lora)
ПодробнееБазовая модель: Qwen/Qwen3-VL-8B-Instruct
Точность (Overall) на PSVU-Bench: 61.41% (с адаптером)
Обучение: 9 140 шагов, AdamW, batch size 8, BF16
Веса: FP32, размер 61.4 МБ
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 16 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.2 GB9.5 GB
  • 4-bitвеса 4.6 GB5.6 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 3080 · BF16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3-VL-8B-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.

    # zyh200727/PEARL-Qwen3-VL-8B-LoRA
    # ===== 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-8B-Instruct --local-dir ~/models/Qwen3-VL-8B-Instruct
    hf download zyh200727/PEARL-Qwen3-VL-8B-LoRA --local-dir ~/models/PEARL-Qwen3-VL-8B-LoRA
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-VL-8B-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-8B-Instruct

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

Новые посты про версии Qwen3-VL-8B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

zyh200727/PEARL-Qwen3-VL-8B-LoRA
Автор
zyh200727
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Signpost-Jev-4B

Signpost-Jev-4B