# Evidence-RL-9B: открытые веса для визуальных ответов с опорой на изображение

Источник: https://modelium.tech/zhurnal/evidence-rl-9b-local-visual-reasoning/

26 сентября 2026 года в Hugging Face загрузили полный чекпойнт Evidence-RL-9B на базе Qwen3.5-9B. Модель дообучена методом Answer-CED, чтобы в задачах с изображениями меньше опираться на языковые догадки вместо видимых объектов. Веса доступны без допуска; лицензия в карточке — Apache 2.0. Авторы приводят результаты на девяти тестах, но Modelium не запускал модель и не проверял эти показатели независимо.

Evidence-RL-9B: модель для визуальных ответов на основе изображения

**Что произошло.** 26 сентября 2026 года в открытый репозиторий `hhj-ai/Evidence-RL-9B` загрузили `model.safetensors` и конфигурацию модели. HF-история показывает создание репозитория в 15:21 UTC и коммит с весами в 15:49 UTC. Это выпуск весов, а не новая публикация научной статьи: препринт Evidence-RL появился 8 августа. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

Чекпойнт основан на мультимодальной **Qwen3.5-9B** и предназначен для вопросов по изображениям, например подсчёта объектов и проверки пространственных отношений. Его цель — уменьшить случаи, когда ответ кажется правдоподобным, но выводится из языковой привычки модели, а не из конкретных деталей кадра. В HF лежит один полный Safetensors-файл размером 18 819 722 392 байта, а также процессор и токенизатор; доступ к репозиторию не помечен как gated. Размер файла — характеристика загрузки, **не минимум RAM или VRAM**. [s1](#src-s1) [s2](#src-s2)

## Что изменено в обучении

Авторы применили Answer-CED совместно с GRPO. Во время обучения они сравнивают, насколько падает поддержка ответа при нейтрализации области изображения с предполагаемым доказательством и при аналогичном вмешательстве в другие области. Награда сочетает правильность ответа и такую зависимость от изображения. Области выбираются по слабым объектным аннотациям, а не по размеченным для каждого вопроса доказательствам. Этот дополнительный анализ нужен **при обучении**, а не на каждом запросе после развёртывания модели. [s4](#src-s4)

Практический смысл для локальных сценариев — проверить этот чекпойнт на собственных изображениях там, где важны подсчёт, локальные детали и различение визуальных отвлекающих факторов: каталогизация, разметка фотографий или визуальный QA. Это кандидат для сравнительного теста с исходной Qwen3.5-9B, а не гарантия отсутствия галлюцинаций. [s1](#src-s1) [s4](#src-s4)

## Что именно показывают замеры авторов

В статье указаны девять публичных бенчмарков, включая CountBench, HallusionBench, VLMsAreBlind, MathVista и MMMU. Для Qwen3.5-9B в таблице кросс-модельной проверки авторы сообщают рост CountBench с 80,80 до 93,90 и HallusionBench с 47,20 до 78,10. Это результаты **авторов исследования** в их протоколе, а не независимый тест Modelium и не измерение на любом пользовательском датасете. [s4](#src-s4)

Важно не смешивать таблицы: основное сравнение с другими RL-методами в работе построено на **Qwen2.5-VL-7B**, а числа выше относятся к отдельной проверке на **Qwen3.5-9B**. Для контролируемого опыта на Qwen3.5-9B авторы описывают 15 314 обучающих примеров после фильтрации, 2 000 шагов, размер группы GRPO 32 и настройку последних четырёх слоёв; изображения происходят из COCO val2017, а тестовые наборы, по утверждению авторов, не пересекаются с обучающими изображениями. Карточка выпущенного чекпойнта не содержит отдельного отчёта о повторном прогоне именно закреплённой ревизии весов. [s1](#src-s1) [s4](#src-s4)

## Локальный запуск и лицензия

Карточка публикует пример загрузки через `transformers`, `AutoProcessor` и `AutoModelForImageTextToText` с изображением и текстовым вопросом. Репозиторий включает модель, конфигурацию, процессор и токенизатор; отдельного готового GGUF или MLX-пакета в этом выпуске нет. **Modelium не загружал 18,8-ГБ чекпойнт и не проверял выполнение примера**, поэтому совместимость конкретной версии библиотек, скорость и потребление памяти надо измерить на своей машине. При загрузке сторонних весов закрепляйте ревизию `47e9ee4837e54fde2c3cf7d97e6b1948230f6927` и проверяйте доверенный источник кода. [s1](#src-s1) [s2](#src-s2)

Метаданные производного репозитория обозначают **Apache 2.0**; исходная Qwen3.5-9B также содержит текст Apache License 2.0. Отдельного файла `LICENSE` в дереве Evidence-RL-9B нет — условия производного чекпойнта здесь заданы карточкой, поэтому перед коммерческим развёртыванием стоит сохранить её ревизию и проверить цепочку прав. Доступные веса не означают опубликованного полного обучающего кода или данных: в дереве этого модельного репозитория таких артефактов нет. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5)

**Вывод:** новое событие — появление конкретных весов Qwen3.5-9B после работы об обучении с локальными визуальными доказательствами. Для собственного проекта имеет смысл сравнивать их с базовой моделью на размеченной выборке и отдельно оценивать ошибки, а не переносить авторские баллы на свою задачу. [s1](#src-s1) [s4](#src-s4)

## Источники

1. [Evidence-RL-9B: карточка модели, закреплённая ревизия](https://huggingface.co/hhj-ai/Evidence-RL-9B/blob/47e9ee4837e54fde2c3cf7d97e6b1948230f6927/README.md) — получено 2026-09-26
2. [Hugging Face API: метаданные и дерево файлов Evidence-RL-9B](https://huggingface.co/api/models/hhj-ai/Evidence-RL-9B?blobs=false) — получено 2026-09-26
3. [Hugging Face: история коммитов модели Evidence-RL-9B](https://huggingface.co/hhj-ai/Evidence-RL-9B/commits/main/) — получено 2026-09-26
4. [Evidence-RL: Towards Evidence-intensive Visual Reasoning, arXiv:2608.08021v1](https://arxiv.org/html/2608.08021v1) — получено 2026-09-26
5. [Qwen3.5-9B: текст лицензии базовой модели](https://huggingface.co/Qwen/Qwen3.5-9B/blob/main/LICENSE) — получено 2026-09-26