模型

• QLoRA（4-bit NF4 冻结基座 + LoRA on LLM proj + 视觉塔 blocks，~47.6M 可训）。
• 无自定义头：读 answer 位 6 个数字 token（"0"…"5"）softmax，期望值 = 分数。
• 训练：60k 样本，DeQA 软标签（高斯 σ=0.75）CE。
• 输入：[通道图, 渲染图, base_color] + 每通道评分准则 prompt。

结果（old-test 4917, SRCC）

1/16 数据暴露追平 DINOv2-0.31B。读出可换温度（T≈0.25）以恢复两端、提升"守护精品"。

用法

python
Copy code
from transformers import AutoModelForImageTextToText
from peft import PeftModel
base = AutoModelForImageTextToText.from_pretrained("Qwen/Qwen2.5-VL-7B-Instruct", load_in_4bit=True)
model = PeftModel.from_pretrained(base, "<this-repo>")
# 推理：构造 [channel, render, base_color] + prompt，读 6 数字 token softmax 取期望
# 完整逻辑见代码仓库 vlm_scorer_eval.py

局限

同 DINOv2 卡：聚合 SRCC 受单人标注噪声封顶 ~0.79；metallic 最弱；训练数据私有不分发。

License

继承 Qwen2.5-VL 基座许可；本 adapter 为衍生物，研究用途。