LFM2-VL-3B: Мини-модель с возможностями гигантов в мире ИИ
Исследователи представили LFM2-VL-3B — новую мультимодальную модель, демонстрирующую впечатляющие результаты, сопоставимые с гораздо более крупными аналогами, при размере всего в 3 миллиарда параметров.
В тестах MM-IFEval (следует инструкциям) модель достигла 51,8%, а в RealWorldQA (понимание реальных сцен) — 71,4%. Эти показатели сравнимы с производительностью моделей, в 7–10 раз превосходящих LFM2-VL-3B по размеру.
Модель эффективно решает задачи визуального анализа, оптического распознавания символов (OCR), распознавания текста и обработки нескольких изображений. Важным преимуществом является минимальный уровень “галлюцинаций” – вымышленных фактов, подтвержденный тестом POPE.
LFM2-VL-3B уже доступна на платформе Hugging Face. Разработчики подчеркивают, что она может работать даже на одном графическом процессоре (GPU), что делает ее отличным решением для стартапов и исследовательских лабораторий с ограниченными вычислительными ресурсами.
