本文へスキップ

InternVL2_5-2B-MPO

選好最適化に基づくマルチモーダル模型の系列

公式サイトを見る

InternVL2_5-2B-MPO とは

本モデルは InternVL2.5 と混合選好最適化に基づくマルチモーダル大規模言語模型の系列と紹介され、InternViT と事前学習済みの言語模型を結び付ける。

できること

  • 複数画像や動画を入力する
  • 画像を 448x448 画素のタイルに分ける
  • 応答同士の相対的な良さを学ぶ
  • transformers で模型を読み込む
  • bf16、fp16、8 ビットで動かす

模型について

  • MLP 投影器はランダムに初期化される
  • 資料は InternLM 2.5 と Qwen 2.5 を挙げる
  • 資料は MMBench v1.1、MMStar、MMMU を挙げる

導入の手順

  • torch と transformers を入れる
  • 模型と分かち書き器を読み込む
  • 画像と文章の入力を用意する
  • 単一画像・複数画像・動画に合わせて調整する

長所と短所

✓ 良い点

  • transformers 庫による迅速な開始手引が用意される
  • 混合選好最適化が応答同士の相対的な良さを学ぶ

! 注意したい点

  • 入力は対応する画像と動画の方式に限られる
  • 読み込みは torch と transformers に依存

よくある質問

挙がるベンチマークは?

資料は MMBench v1.1、MMStar、MMMU を挙げる。

読み込み方は?

手順は transformers の AutoModel と AutoTokenizer を使う。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法