К содержимому
Другое

Beneficial trait RL

LoRA для полезных черт gpt-oss-20b

2 мин чтенияобновлено

Это LoRA-адаптеры (небольшие надстройки над базовой моделью) для openai/gpt-oss-20b, обученные в рамках открытой репликации статьи о reinforcement learning для «широко и устойчиво полезных» моделей. Авторы сравнили два прогона: обычный RL на медицинских и математических задачах и trait RL, где 25% каждого батча заменяли синтетическими health-диалогами с наградой за truthfulness, corrigibility, metacognitive transparency и другие полезные черты. На выходе — rank-32 LoRA в формате PEFT для attention, MLP, expert-слоёв и output head, с чекпоинтами на 20, 50, 80 и 100 шагах. Пригодится исследователям, которые хотят проверить или использовать адаптер с улучшенными «полезными» качествами; это исследовательские чекпоинты, не для медицинских советов.

Ключевые особенности

  • Два набора чекпоинтов: normal_rl и beneficial_trait_rl, по шагам 20/50/80/100.
  • Rank-32 LoRA (lora_alpha 32) в PEFT для attention, MLP, expert-слоёв и output head.
  • Обучение на Tinker: 100 шагов, 32 промпта × 16 сэмплов, learning rate 4e-5, Harmony chat format и medium reasoning effort.
  • На step 100 trait RL обгоняет normal RL на held-out trait benchmark на +21.5 пункта (95% CI [17.2, 25.8]).
  • По карточке, нет значимой потери на MedMCQA, MedQA, MedCalc-Bench, MATH, GPQA Diamond, HMMT и IFEval.

Что можно сделать

  • Подключить step_100 через vLLM как LoRA-модуль trait_rl и сравнить ответы с базовой gpt-oss-20b.
  • Загрузить адаптер через PEFT и исследовать, как меняются truthfulness, corrigibility и metacognitive transparency в диалогах.
  • Использовать normal_rl как compute-matched baseline в собственных экспериментах с RL.
  • Тестировать health-сценарии, помня, что чекпоинты не предназначены для медицинских советов.

Пример

hf download Aansh123/beneficial-trait-rl --include "beneficial_trait_rl/step_100/*" --local-dir ckpt
vllm serve openai/gpt-oss-20b --enable-lora --max-lora-rank 32 \
  --lora-modules trait_rl=ckpt/beneficial_trait_rl/step_100
ПодробнееБенчмарки step 100 (trait RL минус normal RL, 95% CI): held-out trait +21.5 [17.2, 25.8]; MASK +26.8 [14.6, 39.0]; DeceptionBench +15.0 [9.4, 21.2].
HealthBench +13.1 [7.1, 19.0]; sycophancy +10.1 [4.3, 16.3].
Обучение: Tinker, 100 шагов, один seed на запуск; чекпоинты исследовательские, не для медицинских советов.
Обсудить Telegram 0

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • U8веса 23 GB · готовые файлы26 GB
  • FP8 / INT8рекомендуемвеса 21 GB24 GB
  • 4-bitвеса 13 GB14 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 4090 · U8 — от RTX 5090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью gpt-oss-20b.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Aansh123/beneficial-trait-rl
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 openai/gpt-oss-20b --local-dir ~/models/gpt-oss-20b
    hf download Aansh123/beneficial-trait-rl --local-dir ~/models/beneficial-trait-rl
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gpt-oss-20b
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

openai/gpt-oss-20b

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии gpt-oss-20b — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

Aansh123/beneficial-trait-rl
Автор
Aansh123
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

MH51401122

MH51401122
Другое

CRISP

CRISP