К содержимому
Другое

SahayakLLM

адаптер для поддержки интернет-магазинов

1 мин чтенияобновлено

Этот QLoRA-адаптер (небольшая надстройка над базовой моделью) на базе Qwen/Qwen2.5-1.5B-Instruct обучен для двух задач: генерации ответов клиентам и классификации запросов в JSON-формате. Модель создана на основе датасета Bitext Customer Support и оптимизирована с 4-битным квантованием. Адаптер пригодится разработчикам автоматизированных систем поддержки и чат-ботов для интернет-магазинов.

Ключевые особенности

  • Две задачи: генерация ответов саппорта и роутинг интентов
  • Обучение на датасете из 23,875 очищенных записей
  • Использование QLoRA с рангом r=16 и альфа-параметром 32
  • Высокие показатели макро-F1 для интентов на тестовой выборке

Что можно сделать

  • Встроить в чат-бот для автоматических ответов на вопросы покупателей
  • Использовать для классификации обращений в структурированный JSON
  • Доработать под реальные данные компании на базе Qwen2.5-1.5B

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from peft import PeftModel
import torch
bnb = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4", bnb_4bit_use_double_quant=True, bnb_4bit_compute_dtype=torch.float16)
base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen2.5-1.5B-Instruct", quantization_config=bnb, device_map={"": 0})
model = PeftModel.from_pretrained(base, "aryan22medigeri/llm-qwen2.5-1.5b-qlora")
ПодробнееБенчмарки (C2): Intent macro-F1 0.999, BERTScore-F1 0.923, ROUGE-L 0.445
Требования: 1.5B параметров, 4-битное квантование (NF4)
Ограничения: только английский язык, синтетические данные фиктивной компании KharidiKart, плейсхолдеры требуют проверки инструментом
Обсудить Telegram 1 25

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.9 GB · готовые файлы3.7 GB
  • FP8 / INT8рекомендуемвеса 1.5 GB2.2 GB
  • 4-bitвеса 0.9 GB1.5 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 2060 · BF16 — от RTX 2060

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

Это LoRA: вместе с базовой моделью Qwen2.5-1.5B-Instruct.

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.

    # aryan22medigeri/llm-qwen2.5-1.5b-qlora
    # ===== 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 Qwen/Qwen2.5-1.5B-Instruct --local-dir ~/models/Qwen2.5-1.5B-Instruct
    hf download aryan22medigeri/llm-qwen2.5-1.5b-qlora --local-dir ~/models/llm-qwen2.5-1.5b-qlora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen2.5-1.5B-Instruct
  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

Qwen/Qwen2.5-1.5B-Instruct

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

  1. Qwen2.5-1.5Bоснова семьи
  2. Qwen2.5-1.5B-Instruct
  3. llm-qwen2.5-1.5b-qlora

Новые посты про версии Qwen2.5-1.5B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

aryan22medigeri/llm-qwen2.5-1.5b-qlora
Автор
aryan22medigeri
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

251

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

LevelUp AI

LevelUp AI
Другое

sva-qlora-all

sva-qlora-all