HF 模型

sbintuitions / sarashina2.2-vision-3b

Sarashina2.2‑Vision‑3B 是一款日本大型視覺語言模型(3 B 參數),建立於 Sarashina2.2‑3B‑Instruct 和 SigLIP 的影像編碼器之上,在日本 VQA 基準如 BussinessSlide、Heron‑Bench、JDocQA 與 JMMMU 上取得競爭性分數,同時在英語任務 DocVQA、InfoVQA 及 RealworldQA 上亦表現優異。

其他語言的說明

統計

統計資料截至 2026年11月16日

Hugging Face 下載數(近 30 天)
1,000
Hugging Face 按讚數
20
收錄日
2025年12月2日

下載數(近 30 天)變化

1k2k3k4k11月9月7月5月3月2026年1月1,000
以表格顯示
月份下載(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

各月最後一次快照時的近 30 天下載數。

同分類的熱門資源

研究領域相近的資源

從投影片與文章學習