模型介绍
中文整理SPARK-VL-7B 模型卡片
模型简介
SPARK-VL-7B 是基于 Qwen2.5-VL-7B-Instruct 构建的多模态大语言模型。该模型采用 SPARK 统一框架，将策略和奖励整合到单个模型中进行联合和同步训练。
主要能力
协同策略-奖励共同进化：在一个模型内联合优化策略和奖励，通过策略协同进化实现。
自我学习能力：可从可验证的奖励自动推导奖励和反思数据，实现模型的自我学习和自我进化。
回收 Rollouts：将强化学习训练中的 rollouts 回收为逐点、成对和反思目标，使模型同时充当强策略和生成式奖励模型。
共同进化机制：改进的奖励准确性为策略学习提供更好的梯度，而更强的推理能力进一步优化奖励判断，形成增强推理、判断和反思的正向反馈循环。
高效实用：无需人类偏好数据、教师模型或外部奖励模型，比传统的基于奖励模型的强化学习管道更节省数据和计算资源。
输入输出
输入：支持多模态输入，包括文本和图像。
输出：文本生成响应。
运行要求
推荐使用 vLLM 进行推理，以获得更快的推理速度。
基本用法
使用 Transformers：模型基于 Qwen2.5-VL-7B-Instruct，可使用与该模型相同的代码进行推理。
使用 vLLM：推荐使用 vLLM 以获得显著的推理速度提升，适用于数据集评估。
训练：需要下载数据集，修改数据集路径和模型路径后运行训练脚本。
评估：可从 Hugging Face 下载集成的多模态数学数据集，使用评估文件夹中的脚本进行评估。
许可证
仅限研究使用。
许可证：Attribution-NonCommercial 4.0 International（CC BY-NC 4.0）
应遵守 OpenAI 的使用政策条款。
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
运行模型需要的设备、工具与依赖，以原作者说明为准。
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。