TIGER-Lab/VLM2Vec-Full

TIGER-Lab/VLM2Vec-FullはHugging Face上でtext-generationモデルとして登録されています。本ページは公開リポジトリのスナップショットa0dcd8153e2563f1b39d80ae9afd71a4394773fbを記録したものです。使用前に、記載されたリビジョン、ライセンス、ランタイムサポートを確認してください。

更新日

Computraq は公開に向けて準備中です。これらのガイドは準備事項と構想を説明するもので、稼働中のサービス、連携、提携を示すものではありません。

識別情報とアクセス

公開元のレコードでは、このリポジトリはTIGER-Lab/VLM2Vec-Fullとして識別されています。現在の公開スナップショットはa0dcd8153e2563f1b39d80ae9afd71a4394773fbです。アクセス条件は次のとおりです。公開リポジトリ。適用されるライセンスと公開元の条件を確認してください。記録されているライセンスラベルはapache-2.0です。公開リポジトリやゲート付きダウンロードは、あらゆる用途に対する許可を意味するものではありません。

設定の事実

固定された設定では、モデルタイプはphi3_v、アーキテクチャはPhi3VForCausalLMと報告されています。モデルハブではtext-generationとしてタグ付けされています。これらのラベルはリポジトリのメタデータを記述するものであり、ベンチマーク性能を確立するものではありません。

  • hidden_size: 3072
  • intermediate_size: 8192
  • max_position_embeddings: 131072
  • num_attention_heads: 32
  • num_hidden_layers: 32
  • num_key_value_heads: 32
  • rms_norm_eps: 1e-05
  • rope_theta: 10000.0
  • sliding_window: 262144
  • torch_dtype: bfloat16
  • vocab_size: 32064

モデル固有の補足

リポジトリのメタデータは、マルチモーダルモデル(画像)であることを示しています。プロセッサ、画像・音声・動画の各経路、入力制限、サービングランタイムのサポートを確認してください。テキストのみのトークンスループットは、このワークロードの完全な指標ではありません。

重みメモリの計画

本ガイドは独立に検証された論理パラメータ数を保持していないため、数値による重みメモリの見積もりを省略しています。この正確なリポジトリリビジョンについてパラメータ数が検証された場合は、重みのみの下限としてパラメータ数×パラメータあたりのバイト数を用い、KVキャッシュ、コンテキスト、アクティベーション、ランタイム、同時実行数は別途考慮してください。

リビジョンと再現性

メタデータと設定はリビジョンa0dcd8153e2563f1b39d80ae9afd71a4394773fbに固定されています。評価を再現する際はこのコミットを固定してください。リポジトリのブランチは変更される可能性があり、このソース確認はモデルの重み自体を検証するものではありません。

公開レコード

  • タスク: text-generation
  • モデルタイプ: phi3_v
  • アーキテクチャ: Phi3VForCausalLM
  • ライセンスラベル: apache-2.0
  • アクセス: 公開リポジトリ。適用されるライセンスと公開元の条件を確認してください
  • リビジョン: a0dcd8153e2563f1b39d80ae9afd71a4394773fb

出典と確認