Автор обучил 500-миллионную VLM для быстрых ответов с калиброванными вероятностями

Разработчик создал легковесную визуальную языковую модель на базе SmolVLM-500M, способную отвечать на выбор, оценивать по шкале или давать ответы да/нет без генерации текста. Модель работает за ~400 мс на M1 Pro, используя логиты от языковой головы для получения калиброванных вероятностей, что исключает необходимость парсинга текста.