开源多模态决策模型 mini-Jev 发布，可在 8 GB 笔记本 GPU 运行
先了解这件事
作者 agarwalastitwa027-svg 在 GitHub 发布开源决策模型 mini-jev-multimodal，基于 Qwen3-VL-2B-Instruct 做 LoRA 微调并加答案头，以 Apache-2.0 开放权重。模型单次前向传播即可对文本或 JSON 状态（最多 8 张图）的多个选项问题输出概率，不生成自由文本；超出默认 16384 token、255 选项或 8 张图的请求会返回 Unsupported。 作者报告的测试结果为：在 16 个未见数据集上准确率 78.0%，高于基线温度缩放的 71.1%，ECE 从 0.068 降至 0.043；在 RTX 5070 Laptop 8 GB GPU 上中位延迟 69 ms，训练峰值显存 6.2 GB。作者同时坦承超过 10 个选项时弱于基模型（54.2% 对 58.7%），并提供了报告、逐题结果与训练复现脚本及 Hugging Face 链接。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- GitHub · 3D 生成新仓库mini-jev-multimodal 开源：基于 Qwen3-VL-2B 的 8 GB 笔记本多模态决策模型
作者发布 mini-jev-multimodal，一个在 Qwen3-VL-2B-Instruct 上 LoRA 微调、加答案头的开放权重决策模型（Apache-2.0），单次前向传播对状态（文本或 JSON、最多 8 张图）的多个选项问题输出概率，不生成文本。在 16 个未见数据集上准确率 78.0% 对基线温度缩放后的 71.1%，ECE 从 0.068 降至 0.043；RTX 5070 Laptop 8 GB GPU 上中位延迟 69 ms，训练峰值显存 6.2 GB。作者坦承超过 10 个选项时弱于基模型（54.2% vs 58.7%），并提供报告、逐题结果与训练复现脚本，附 Hugging Face 模型与数据集链接。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。