Skip to content
Other

quant-master-v1-candidate

адаптер для Qwen3-1.7B, снижающий галлюцинации

2 min readupdated

Этот LoRA-адаптер (небольшая надстройка над базовой моделью) учит компактную языковую модель Qwen3-1.7B честно отказываться от ответа, когда данных недостаточно, вместо того чтобы выдумывать факты. Разработчик SZLHOLDINGS обучил его методом QLoRA на датасете quant-curriculum-v1 из 1000 примеров, где 70% занимает анализ режимов и 30% — примеры отказа от прогнозирования. Главное отличие от базовой Qwen3-1.7B и других вариантов обучения в том, что честность в узкой области переносится на общую способность модели не галлюцинировать. Адаптер пригодится исследователям и разработчикам ИИ-агентов, которым важно снизить количество ложных утверждений у лёгких моделей.

Ключевые особенности

  • Перенос честности: обучение распознавать границы своих знаний в конкретной предметной области помогло модели чаще воздерживаться от выдумок в общих задачах.
  • Компактный формат PEFT: это не самостоятельная нейросеть, а лёгкий адаптер поверх Qwen/Qwen3-1.7B, обученный через QLoRA (r=16, alpha=32).
  • Сравнение пяти подходов: в серии экспериментов автора только доменная честность сдвинула базовый уровень галлюцинаций, обойдя обучение на жёстких правилах отказа и тренировку на коде.
  • Прозрачная воспроизводимость: в публичной цепочке отчётов зафиксированы все параметры железа, версии библиотек и результаты по каждому тестовому вопросу.

Что можно сделать

  • Встроить в ИИ-агента: использовать связку Qwen3-1.7B и этого адаптера как базовый модуль для агентов, где критично вовремя признать нехватку информации.
  • Изучить методику дообучения: взять подход с пропорцией 70% доменного анализа и 30% отказов из датасета quant-curriculum-v1 для борьбы с выдумками в своих небольших LLM.

Пример

В карточке нет примера кода запуска, но описан сценарий проверки: модели подают 6 контрольных вопросов (3 с известным ответом и 3 без ответа) при детерминированной генерации с лимитом 200 токенов. Адаптер набрал 5 из 6 баллов, корректно распознав вопросы без ответа, тогда как оригинальная Qwen3-1.7B показала результат 3 из 6.

ПодробнееБенчмарк: 5/6 на батарее из 6 тестов (против 3/6 у базовой Qwen3-1.7B и 3/6 у вариантов на правилах отказа).
Обучение: 200 шагов (batch_size=2, grad_accum=4, lr=2e-4, bf16) на одной видеокарте NVIDIA RTX A6000 (48 ГБ).
Ограничения: оценка проводилась только на 6 фиксированных пробах, а детектор отказов отслеживает словарь из 17 формулировок.
Discuss Telegram 0

Will it run?

Working out the memory needs

The bot is still collecting this model's weight sizes; the estimate will appear here in a few minutes. Meanwhile you can rent a GPU with headroom.

Massed ComputeOpen Massed Compute

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.

    # SZLHOLDINGS/quant-master-v1-candidate
    # ===== 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 SZLHOLDINGS/quant-master-v1-candidate --local-dir ~/models/quant-master-v1-candidate
    # 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 quant-master-v1-candidate (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

SZLHOLDINGS/quant-master-v1-candidate
Author
SZLHOLDINGS
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

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

Comments