模型详情
模型介绍
中文整理# Spatial-SSRL-Qwen3VL-4B
Model use case
Spatial-SSRL-Qwen3VL-4B 是一个大型视觉语言模型，专注于空间理解能力，基于 Qwen3-VL-4B-Instruct 构建。该模型通过应用 Spatial-SSRL 进行优化，这是一种轻量级的自监督强化学习范式，能够高效扩展强化学习视觉推理训练。
## 主要能力
该模型在保持基础模型原有通用视觉能力的同时，展现出强大的空间智能。通过 Spatial-SSRL 范式训练，模型在图像和视频两种设置下的七个空间理解基准测试中均表现出更强的空间理解能力。
Spatial-SSRL 是一个无需工具的轻量级框架，与强化学习视觉推理训练范式自然兼容，可轻松扩展到多种前置任务。目前框架中已构建五个任务，仅需要普通的 RGB 和 RGB-D 图像。
## 输入输出
- **输入**：普通 RGB 和 RGB-D 图像
- **输出**：空间理解相关的回答
运行要求
需要在本地设备上运行前，从 Hugging Face 下载模型权重。
基本用法
提供代码片段供用户在本地设备上试用模型。
限制
- 数据和代码仅供研究使用
- 模型基于 Qwen3-VL-4B-Instruct 构建，空间理解能力通过自监督强化学习增强
许可证
数据和代码仅授权用于研究目的。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。