概要
LLM-jpは、推論特化型モデルをベースにした新たな視覚言語モデル「LLM-jp-4-VL 9B」を公開し、ライセンス精査と品質向上を施したデータセット「RefinedVision」も併せて提供開始しました。
詳細内容
LLM-jpプロジェクトは、国産の大規模言語モデル「llm-jp-4-8b-thinking」をベースとした視覚言語モデル（VLM）である「LLM-jp-4-VL 9B」をリリースしました。本モデルは、従来のbeta版からベースLLMの刷新や、学習ステップ数の1.33倍増加、データセットの改良が行われています。特に注目すべきは、オープンソースAIの定義に基づき、ライセンス上の懸念や品質に問題のあるデータを排除・再生成した約1,200万事例の英語マルチモーダルデータセット「RefinedVision」の構築です。評価の結果、beta版と比較してテキストのみのタスクや高難度図表理解（HakushoBench等）の性能が大きく向上しました。一方で、Qwen3.5-9Bなどの海外勢の最先端モデルとは依然としてSTEM領域等で性能差があることも明示しており、再現性と透明性を重視した開発姿勢が示されています。モデル、データセット、評価フレームワークはHugging FaceおよびGitHubで公開されています。