Skip to content
Other

selfpo-qwen3vl-4b-chip-native

LoRA-адаптер с выравниванием предпочтений для Qwen3-VL

2 min readupdated

Это исследовательский LoRA-адаптер (небольшая надстройка над базовой моделью) формата PEFT для мультимодальной модели Qwen3-VL-4B-Instruct, которая работает с текстом и изображениями. Адаптер обучен методом CHiP — это иерархическое обучение на предпочтениях на уровне ответов, изображений и токенов, построенное на базе ветки mDPO. Модель представляет собой один из 60 экспериментальных прогонов автора pratikjalan по сравнению методов отбора негативных примеров (вариант native использует исходные негативные примеры из датасета). Разработка пригодится исследователям и инженерам, изучающим методы выравнивания (preference optimization) для визуально-языковых моделей (VLM).

Ключевые особенности

  • Точечная настройка языковой части: LoRA (rank 64, alpha 128) обучена только на слоях языковой модели, тогда как визуальный энкодер и проектор оставались замороженными.
  • Иерархический метод CHiP: оптимизация предпочтений учитывает сразу три уровня — весь ответ, изображение и отдельные токены.
  • Обучение на датасете TPO: пары для обучения собраны на основе набора данных helehan/topic-overwrite в точности bfloat16 без квантования.
  • Воспроизводимость эксперимента: в репозитории сохранены хеши данных, версии библиотек и лог падения функции потерь (loss снизился с 0.7184 до 0.0320 за 668 шагов).

Что можно сделать

  • Изучить влияние CHiP на VLM: сравнить ответы базовой Qwen3-VL-4B-Instruct с подключённым адаптером и без него на мультимодальных задачах.
  • Воспроизвести или расширить бенчмарки: использовать готовые веса в связке с библиотекой peft для оценки качества выравнивания предпочтений в академических экспериментах.

Пример

from peft import PeftModel
from transformers import AutoProcessor, Qwen2_5_VLForConditionalGeneration

base = Qwen2_5_VLForConditionalGeneration.from_pretrained("Qwen/Qwen3-VL-4B-Instruct", torch_dtype="bfloat16")
model = PeftModel.from_pretrained(base, "pratikjalan/selfpo-qwen3vl-4b-chip-native")
processor = AutoProcessor.from_pretrained("Qwen/Qwen3-VL-4B-Instruct")
ПодробнееБазовая модель: Qwen/Qwen3-VL-4B-Instruct (4B параметров, в репозитории только веса LoRA).
Параметры обучения: 2 эпохи, learning rate 5e-07, global batch size 64, длина контекста до 4096 токенов.
Ограничения: исследовательский артефакт без настройки безопасности (safety-tuning), возможны галлюцинации.
Лицензия: CC-BY-NC-4.0 (только некоммерческое использование, с учётом лицензии базовой модели).
Discuss Telegram 0 17

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 8.8 GB · ready files10 GB
  • FP8 / INT8recommendedweights 4.6 GB5.6 GB
  • 4-bitweights 2.8 GB3.6 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 2080 Ti

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

This is a LoRA: counted together with its base model Qwen3-VL-4B-Instruct.

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.

    # pratikjalan/selfpo-qwen3vl-4b-chip-native
    # ===== Tokens: paste yours between the quotes =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens, for gated models
    # ==========================================
    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 Qwen/Qwen3-VL-4B-Instruct --local-dir ~/models/Qwen3-VL-4B-Instruct
    hf download pratikjalan/selfpo-qwen3vl-4b-chip-native --local-dir ~/models/selfpo-qwen3vl-4b-chip-native
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to Qwen3-VL-4B-Instruct
  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

Requires the base model

Qwen/Qwen3-VL-4B-Instruct

This model is a LoRA / adapter. Download the base model first, then load this one on top.

New posts about versions of Qwen3-VL-4B-Instruct (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 5All on Hugging Face

About the model

pratikjalan/selfpo-qwen3vl-4b-chip-native
Author
pratikjalan
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

170

Ask AI about this model

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

Comments