首页
/ Monkey项目中Mini-Monkey模型评测指标复现问题解析

Monkey项目中Mini-Monkey模型评测指标复现问题解析

2025-07-08 16:32:46作者:幸俭卉

评测指标差异现象

在复现Monkey项目中Mini-Monkey模型的评测指标时,多位研究人员发现实测结果与论文报告数据存在明显差异。主要差异体现在以下几个数据集上:

  • STVQA准确率:论文69.9 vs 实测64.2
  • POIE准确率:论文42.9 vs 实测47.8
  • FUNSD准确率:论文70.3 vs 实测63.4
  • DocVQA测试集:论文87.4 vs 实测86.96
  • ChartQA:论文76.5 vs 实测76.2
  • OCRBench:论文802 vs 实测800

原因分析与解决方案

经过项目维护者的确认和多次验证,发现评测指标差异主要由以下几个因素导致:

1. 评测脚本版本问题

原始提供的评测脚本与论文中使用的版本存在细微差别。项目方后续更新了评测脚本,使用更新后的脚本可以得到更接近论文报告的结果。

2. 运行环境配置差异

环境配置对评测结果有显著影响,特别是以下关键组件:

  • flash-attn版本:推荐使用2.5.8
  • PyTorch版本:推荐2.2.2
  • transformers版本:推荐4.40.1
  • Python版本:推荐3.10.14
  • CUDA版本:推荐11.8

3. 模型推理参数设置

对于不同的评测任务,需要采用特定的预处理和后处理策略。例如:

  • 在DocVQA和ChartQA评测中,需要使用dynamic_preprocess2处理
  • 不同数据集的评测脚本需要针对Mini-Monkey模型进行适配

4. 训练超参数影响

对于重新训练模型的情况,学习率的设置尤为关键。项目维护者建议使用4e-9的学习率在4块GPU上进行训练,才能复现论文中的结果。

最佳实践建议

为了准确复现Mini-Monkey模型的评测指标,建议遵循以下步骤:

  1. 使用项目方最新提供的评测脚本
  2. 严格按照推荐的环境配置搭建评测环境
  3. 对于不同评测任务,使用对应的预处理和后处理方法
  4. 在模型训练时,注意学习率等关键超参数的设置
  5. 对于关键评测指标,建议多次运行取平均值以减少随机性影响

通过以上措施,可以最大限度地缩小评测结果与论文报告数据之间的差异,确保研究工作的可重复性和可比性。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
858
511
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
258
298
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
22
5