К содержимому
Другое

SWIFT Step Probe for Qwen3-8B

верификатор шагов рассуждения

2 мин чтенияобновлено

Эта модель представляет собой лёгкий верификатор шагов (step verifier) с линейной головой на 32 770 параметров, работающий на основе замороженной базовой модели Qwen/Qwen3-8B. Инструмент предназначен для оценки пошаговых решений математических задач и логических проблем, вычисляя награду для каждого шага и находя самую первую ошибку в цепочке рассуждений. Решение опирается на методологию SWIFT и тренировано на датасетах PRM800K для анализа чужих генераций. Модель пригодится исследователям и разработчикам, которые занимаются улучшением надёжности и проверяемости больших языковых моделей (LLM).

Ключевые особенности

  • Лёгкая линейная голова (всего 32,770 параметров) поверх замороженной Qwen3-8B.
  • Анализ последних четырёх скрытых состояний (слои 33–36) для оценки каждого шага решения.
  • Предсказание первой ошибочной позиции в пошаговом рассуждении или возврат минус единицы, если ошибок нет.
  • Обучение на фильтрованных данных PRM800K с пошаговой кросс-энтропией (step-level BCE).

Что можно сделать

  • Оценивать пошаговые решения математических задач, созданных другими LLM, в бенчмарках вроде ProcessBench.
  • Интегрировать верификатор в пайплайны оценки качества генерации (PRM — Process Reward Model).
  • Запускать скрипты оценки через репозиторий SWIFT с использованием локальных весов и конфигурации.

Пример

git clone -b step-probe [https://github.com/aster2024/SWIFT.git](https://github.com/aster2024/SWIFT.git) && cd SWIFT
python step/eval_processbench.py Qwen/Qwen3-8B   out.json
ПодробнееБенчмарки: средний F1 28.9 на сиде 42 (GSM8K: 36.8, MATH: 31.5, OlympiadBench: 23.9, Omni-MATH: 23.6).
Требования: работает поверх Qwen/Qwen3-8B с порогом активации 0.45.
Обучение: 1 эпоха, AdamW (lr 1e-4, weight decay 1e-5), до 16384 токенов на батч.
Обсудить Telegram 0 28

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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.

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.

    # Aster2024/swift-step-probe-qwen3-8b
    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 Aster2024/swift-step-probe-qwen3-8b --local-dir ~/models/swift-step-probe-qwen3-8b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к swift-step-probe-qwen3-8b
  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

Дообучение модели

Qwen/Qwen3-8B
  1. Qwen3-8B-Baseоснова семьи
  2. Qwen3-8B
  3. swift-step-probe-qwen3-8b

Новые посты про версии Qwen3-8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face

О модели

Aster2024/swift-step-probe-qwen3-8b
Автор
Aster2024
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

280

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Aya Probe Gate

Aya Probe Gate