カテゴリ AIモデル
Vary-toy とは
本モデルは Qwen-1.8B を土台にした小型の Vary と紹介され、改良した視覚語彙によって扱える範囲が広がる。
できること
- 一般的な GPU で文書の視覚質問応答を行う
- 一般的な GPU でグラフの質問応答を行う
- 一般的な GPU で参照表現の実験を行う
モデルの注記
- 自然画像の負例を物体検出による正例に差し替える
- RefCOCO で 88.1% の正答率が報告される
- MMVet で 29% の正答率が報告される
長所と短所
✓ 良い点
- 自然の物体に対応する視覚情報を効率よく符号化する
- 四つのベンチマークで結果が報告される
! 注意したい点
- 土台の言語モデルは Qwen-1.8B
- 資料には一般的な GPU での学習とある
よくある質問
土台のモデルは?
資料には Qwen-1.8B を土台の言語モデルとある。
報告された ANLS は?
資料には DocVQA で 65.6% の ANLS とある。
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 →-
302.AI 数百の大規模モデルを単一の API に集約したクラウド 開発者ツール API連携 マルチモデルプラットフォーム モデルデプロイ LLM APIプラットフォーム -
360智脑开放平台 360 モデル API プラットフォーム API連携 マルチモデルプラットフォーム ナレッジベースQ&A 企業自動化 LLM APIプラットフォーム -
4o Image API 画像生成 API ゲートウェイ 無料ツール フリーミアムツール 開発者ツール API連携 LLM APIプラットフォーム -
AI-Flow ノーコードのマルチモデルワークフロー ワークフロー自動化 開発者ツール API連携 ナレッジベースQ&A LLM APIプラットフォーム -
AI/ML API 多数のモデルへの単一ゲートウェイ 開発者ツール API連携 マルチモーダル マルチモデルプラットフォーム LLM APIプラットフォーム -
Amazon Bedrock AWS のコード提案とセキュリティスキャン 無料ツール コードアシスタント IDE アプリ構築ツール LLM APIプラットフォーム