HF 模型

sbintuitions / sarashina2.2-vision-3b

Sarashina2.2‑Vision‑3B 是一款日本大型视觉语言模型(30亿参数),基于 Sarashina2.2‑3B‑Instruct 和 SigLIP 的图像编码器构建,在日本 VQA 基准如 BussinessSlide、Heron‑Bench、JDocQA 与 JMMMU 上取得竞争性分数,同时在英文任务如 DocVQA、InfoVQA 与 RealworldQA 也表现良好。

其他语言的说明

统计

统计数据截至 2026年11月16日

Hugging Face 下载数(近 30 天)
1,000
Hugging Face 点赞数
20
收录日
2025年12月2日

下载数(近 30 天)变化

1k2k3k4k11月9月7月5月3月2026年1月1,000
以表格显示
月份下载(30天)
2025年12月3,000
2026年1月—
2026年2月3,000
2026年3月—
2026年4月—
2026年5月4,000
2026年6月3,000
2026年7月1,000
2026年8月—
2026年9月—
2026年10月—
2026年11月1,000

各月最后一次快照时的近 30 天下载数。

同分类的热门资源

研究领域相近的资源

通过幻灯片与文章学习