Skip to content
Other

1pp-2.81b-v2-asst-search-rl-abstain-norefusal

поисковый агент, который умеет говорить «не знаю»

2 min readupdated

Компактная языковая модель на 2.81 млрд параметров от jkminder, обученная искать ответы по индексу Википедии 2018 года и воздерживаться от ответа, если фактов не хватает. В основе лежит база Raghav-Singhal/1pp-2.81b-v2-asst-sft, дообученная сначала на диалогах с поиском (warm start), а затем методом GRPO (алгоритм обучения с подкреплением без отдельной модели-критика) с использованием чат-реплея без отказов. В отличие от обычных LLM, которые склонны додумывать факты при нехватке данных, этот чекпоинт приучен проверять информацию через инструмент поиска и признавать отсутствие ответа. Подойдёт исследователям, изучающим борьбу с галлюцинациями, поведение моделей при воздержании от ответа и обучение поисковых агентов.

Ключевые особенности

  • Пошаговый поиск с лимитом: за один пользовательский запрос модель может сделать до 5 поисковых вызовов по BM25-индексу Википедии 2018 года, получая топ-3 фрагмента по 100 слов.
  • Честное воздержание от ответа: в 2% обучающих примеров нужные фрагменты скрывали из выдачи, поэтому модель научилась отвечать в духе «не удалось найти ответ», если данных нет.
  • Чат-реплей без отказов: при RL-обучении в каждый шаг подмешивали обычные диалоги из пула без отказов ассистента (без WildJailbreak, WildGuardMix и отказных веток WildChat), чтобы сохранить разговорные навыки.
  • Чёткий формат разметки: вызовы поиска оформляются через тег , а итоговый ответ оборачивается в ... (или выдаётся без тега, если ответ не найден).

Что можно сделать

  • Изучить механику абстенции (отказа от выдумывания): сравнить поведение чекпоинтов с отказным и безотказным чат-реплеем в рамках серии One Persona Pretraining (1PP).
  • Запустить в локальном пайплайне RAG / поискового агента: подключить к BM25-индексу корпуса Search-R1 2018 Wikipedia в рамках контекста до 4096 токенов.
  • Использовать как бейзлайн для RL-экспериментов: оценить эффективность связки оптимизатора Muon и GRPO в фреймворке verl на многошаговых вопросах (HotpotQA, MuSiQue, 2WikiMultihopQA).

Пример

Формат вызова инструмента поиска и возврата ответа в диалоге (шаблон чата базовой модели <|im_start|> / <|im_end|>):

{"name": "search", "arguments": {"query": "..."}}

Найденный ответ
ПодробнееМетрики на dev-выборке (768 вопросов, 8 попыток при temperature 1): точность с первой попытки (pass@1) выросла с 8.0% у warm start до 31.2%, pass@8 — с 25.0% до 42.4%, а доля верных ответов среди тех, на которые модель решилась ответить — с 15.1% до 69.6% (отвечает на 54.5% вопросов против 75.2%).
Обучение: 860 шагов GRPO в verl на 4 нодах (16 GPU), 4.7% от вычислительного бюджета претрейна; контекст ограничен 4096 токенами.
Ограничения: исследовательский чекпоинт без дополнительного тюнинга безопасности; фразы «не знаю» шаблонные («None of these passages mention ...»), а в рассуждениях иногда всё же проскакивают факты не из выдачи.
Discuss Telegram 0 19

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 5.2 GB · ready files6.3 GB
  • FP8 / INT8recommendedweights 2.6 GB3.4 GB
  • 4-bitweights 1.5 GB2.1 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 5060 Ti 8GB

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # jkminder/1pp-2.81b-v2-asst-search-rl-abstain-norefusal
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download jkminder/1pp-2.81b-v2-asst-search-rl-abstain-norefusal --local-dir ~/models/1pp-2.81b-v2-asst-search-rl-abstain-norefusal
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of 1pp-2.81b-v2-asst-sft (quants, finetunes, LoRAs) will show up under the bell.

Fine-tunes 3All on Hugging Face

About the model

jkminder/1pp-2.81b-v2-asst-search-rl-abstain-norefusal
Author
jkminder
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

190

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments