You can deploy this model and start earning money today!

ProtenLabs/
gemma-4-E4B-it-image2text-ko-dpo

Name: gemma-4-E4B-it-image2text-ko-dpo
Availability: InStock

Views

No views yet

gemma-4-E4B-it-image2text-ko-dpo

차트 이미지를 입력받아 한국어로 차트 내용을 설명하는 비전-언어 모델(VLM). google/gemma-4-E4B-it → QLoRA SFT → DPO(선호 정렬) 한 뒤 LoRA를 병합한 16bit 전체 모델(merged full model) 입니다. 베이스 모델 없이 단독 로딩됩니다. SFT 버전 위에 추가로 선호 학습을 적용했습니다.

모델 개요

항목	내용
베이스	`google/gemma-4-E4B-it` (멀티모달, 8.08B)
태스크	차트 이미지 → 한국어 설명 (image-text-to-text)
학습 데이터	jp1924/ChartImageTextpairData
1단계 SFT	Unsloth 4bit QLoRA, LoRA r=32, 1 epoch
2단계 DPO	실패 케이스 타깃 선호쌍 870개로 정렬 (2 epoch)

DPO 선호 데이터 구성 (failure-targeted)

SFT가 실제로 greedy 디코딩에서 틀리는 케이스만 골라 교정하도록 구성:

chosen = 정답(ground-truth) 설명
rejected = SFT의 greedy 출력 중 정답 수치를 일부 누락한 것 (recall < 0.9)

이는 일반적인 on-policy 샘플 선호쌍보다 greedy 출력 자체를 교정하는 데 효과적입니다. (reference = SFT 모델, LR 5e-6. 학습 지표: rewards/accuracy ≈ 1.0, margin↑, chosen 보상 양수 유지 → 과최적화 없음.)

평가 결과 (validation 30,000건)

LLM-as-judge(google/gemma-4-31B-it, 이미지 기반 채점) + metadata 기반 객관 지표.

모델	judge (1-10)	수치 재현율	수치 정밀도	title	legend
base (gemma-4-E4B-it)	6.71	76.1%	75.6%	58.2%	90.4%
SFT	9.67	98.8%	88.9%	67.4%	96.9%
이 모델 (SFT+DPO) ⭐	9.67*	98.7%	88.6%	68.3%	97.0%

_{* judge는 2,000건 표본 기준 추정값(SFT와 사실상 동등).}

이 모델의 차별점 — 실패 케이스 타깃 DPO:

reject = SFT가 실제 greedy로 내놓는 틀린 출력(수치 누락), chosen = 정답(GT)으로 구성.
SFT 대비 출력 변화율 39.6%(v1은 12.7%) — greedy 분포가 실제로 이동.
타깃 실패케이스(883건) recall 60.9 → 65.8% (+4.9pp) 개선.
단 SFT가 이미 천장(98.8%)이라 전체 지표는 보합 → 일반 사용 시 SFT와 성능 동등.

사용법 (vLLM, OpenAI 호환)

python

from vllm import LLM, SamplingParams
import base64, io
from PIL import Image

llm = LLM(model="ProtenLabs/gemma-4-E4B-it-image2text-ko-dpo",
          limit_mm_per_prompt={"image": 1}, dtype="bfloat16", max_model_len=4096)

img = Image.open("chart.png").convert("RGB")
buf = io.BytesIO(); img.save(buf, format="PNG")
b64 = base64.b64encode(buf.getvalue()).decode()

messages = [[{"role": "user", "content": [
    {"type": "text", "text": "이 차트 이미지를 보고 내용을 한국어로 자세히 설명해 주세요."},
    {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}}]}]]
out = llm.chat(messages, SamplingParams(temperature=0, max_tokens=512))
print(out[0].outputs[0].text)

라이선스

베이스 모델의 Gemma 라이선스를 따릅니다.