Yapay zeka topluluk platformu Hugging Face'in ekibi, görüntüleri, kısa videoları ve metinleri analiz edebilen SmolVLM-256M ve SmolVLM-500M adlı modelleri yayınladı. Ekip bu modellerin en küçük yapay zeka modelleri olduğunu iddia ediyor.
Ekibin belirttiğine göre modeller, yaklaşık 1 GB RAM'den daha az RAM'e sahip dizüstü bilgisayarlar gibi kısıtlı cihazlarda iyi çalışacak şekilde tasarlandı. En küçük sürüm saniyede 16 örnek işlerken 64'lük bir parti boyutuyla yalnızca 15 GB RAM kullanıyor. Bu anlamda büyük miktarda veriyi çok ucuza işlemeye çalışan geliştiricilerin SmolVLM-256M ve SmolVLM-500M modellerini tercih edebileceğini söyleyebiliriz.
Her iki model de görüntüleri veya video klipleri tanımlamanın yanı sıra PDF'ler ve içindeki öğeler hakkındaki soruları yanıtlamak gibi görevleri yerine getirebilir. PDF'ler kapsamında taranmış metin ve grafiklerin de işlenebildiğini belirtelim.
Hugging Face ekibi, modelleri eğitmek için The Cauldron ve Docmatix'i kullandı. The Cauldron, 50 yüksek kaliteli görüntü ve metin veri kümesinden oluşuyor. Docmatix ise ayrıntılı altyazılarla eşleştirilmiş bir dosya taraması seti olarak karşımıza çıkıyor. Bu arada her ikisinin de Hugging Face'in multimodal yapay zeka teknolojileri geliştiren M4 ekibi tarafından oluşturulduğunu belirtmekte fayda var.
Ekip, hem SmolVLM-256M hem de SmolVLM-500M'nin, AI2D gibi çeşitli kıyaslamalarda 300 kat daha büyük bir sistem olan Idefics 80B modelinden daha iyi performans gösterdiğini ifade ediyor. AI2D ölçütünün, modellerin ilkokul düzeyindeki fen diyagramlarını analiz etme yeteneğini test ettiğini ekleyelim. SmolVLM-256M ve SmolVLM-500M, Apache 2.0 lisansı altında web üzerinden ve Hugging Face'ten indirilebilir. Bu noktada modelleri, kısıtlama olmaksızın kullanabileceğinizi de belirtelim.
İlk Yorumu yazmak ister misiniz?
Yorum Yazmak için Giriş Yap