多模态 · 2025 · Qwen2.5-VL
Qwen2.5-VL Technical Report
Shuai Bai et al.
研究动态分辨率和多粒度视觉理解的多模态模型。
文档理解动态分辨率视频理解
复现空间 · 建议计划
进阶 · 权重评估 · 编辑建议，尚未实测
最小实验目标
选择小规模权重评估文档问答，比较输入像素上限的质量与资源权衡。
数据集 / 环境
DocVQA 验证集或有许可的文档问答集。
评估项
- ANLS
- 峰值显存
- 推理延迟
边界与常见偏差
记录模型大小、像素范围与版本；不得上传未获授权的私人文档到外部评测服务。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。