模型详情
模型介绍
中文整理Spatial-SSRL-3B
Model use case
Spatial-SSRL-3B是一个大型视觉语言模型，专注于空间理解能力，基于Qwen2.5-VL-3B构建。该模型通过Spatial-SSRL方法进行优化，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。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色。Spatial-SSRL框架目前包含五个任务，仅需要普通的RGB和RGB-D图像即可进行训练。
输入输出
输入：普通RGB和RGB-D图像
输出：空间理解相关的响应
运行要求
基于Qwen2.5-VL-3B-Instruct初始化。需要从Hugging Face下载模型权重后方可运行。
基本用法
用户可以在本地设备上运行Spatial-SSRL-3B进行简单试用。需先从Hugging Face下载模型，然后按照示例代码加载并使用。
限制
该模型及数据仅供研究使用。
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。
