Yeni Fovea-4B görsel modeli testlerde Imajev-4B modelini geride bıraktı
Öne çıkanlar
- Fovea-4B, 2 bin 360 soruluk bağımsız test kümesinde yüzde 80,6 başarı elde etti.
- Model, 4 milyar parametreli rakibi Imajev-4B'yi 1,1 puan farkla geride bıraktı.
- Eğitimde görsel kodlayıcı dondurularak 57 bin 441 örnek üzerinde LoRA uygulandı.
Geliştiriciler, görsel ve JSON verileri üzerinden yöneltilen soruları tek bir ileri geçişle yanıtlayabilen 4 milyar parametreli Fovea-4B modelini Apache-2.0 lisansıyla yayımladı. Model; fotoğraflar, belgeler, makbuzlar, grafikler ve ekran görüntüleri üzerinde evet/hayır, çoktan seçmeli veya sıralı puanlama sorularını olasılık dağılımıyla birlikte çözüyor. Qwen3.5-4B mimarisi üzerine kurulan sistem, hibrit tam dikkat mekanizması ile Gated DeltaNet katmanlarını bir araya getiriyor.
Fovea-4B, ImageJevBench v0.3 kriterlerine göre düzenlenen 2 bin 360 soruluk test setinde yüzde 80,6 genel başarı oranına ulaştı. Model bu sonuçla, aynı soru grubunda test edilen en güçlü açık kaynaklı 4B modellerinden Imajev-4B'yi 1,1 puan, H2O-Lightning-4B'yi 0,7 puan ve daha büyük ölçekli 8 milyar parametreli Jev-Vision'ı 4,9 puan geride bıraktı. Ayrıca 0,035 seviyesindeki beklenen kalibrasyon hatasıyla (ECE) rakiplerine kıyasla daha güvenilir olasılık tahminleri sundu.
Eğitim sürecinde 57 bin 441 adet yapılandırılmış görsel karar verisi kullanan ekip, görsel kodlayıcıyı dondurarak dil modeli projeksiyonlarında 32 dereceli LoRA yöntemi uyguladı. Tek bir ileri geçişle çalıştığı için çok adımlı mantıksal çıkarım ve karmaşık aritmetik gerektiren zincirleme görevlerde zayıf kalan model, şimdilik yalnızca İngilizce dilini ve 2 milyon piksele kadar çözünürlükteki görselleri destekliyor.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.