К содержимому
Языковые модели

unified-training-multitask-staged-124m

124M-модель для пошагового решения логических головоломок

2 мин чтенияобновлено

Компактная языковая модель (LLM) на 124 млн параметров, обученная рассуждать по шагам и решать две комбинаторные логические задачи с ограничениями (constraint puzzles). Модель создана автором AZH04 в рамках эксперимента по сравнению поэтапного (SFT, затем RL) и единого обучения для статьи Training Foundation Models with a Single Algorithm (arXiv 2610.40564). В основе лежит предобученный чекпоинт controlled/pretrain-only из sfanm/unified-training с архитектурой LlamaForCausalLM (контекст 2 048 токенов, токенизатор GPT-2). Репозиторий пригодится исследователям обучения с подкреплением (RL) и тем, кто изучает, как маленькие модели осваивают дедуктивные рассуждения.

Ключевые особенности

  • Двухэтапное обучение: сначала SFT (обучение с учителем на готовых цепочках рассуждений — 1,832 млн примеров), затем 8 000 шагов MaxRL (обучение с подкреплением) без примеси статических трасс и веб-текстов.
  • Три чекпоинта в одном репозитории: стартовая SFT-версия staged/sft_init (bf16, 247 МБ) и два независимых прогона RL с разными сидами — seed1234 и seed4321 (fp32, 494 МБ каждый).
  • Резкий рост точности после RL: на задаче assignment L5 показатель pass@1 вырос с 2,6% на этапе SFT до 88,0% (seed 1234) и 88,9% (seed 4321).
  • Прозрачность эксперимента: приложены конфиги RL-обучения (rl_staged_seed*.env) и манифесты данных с хешами sha256 без пересечения обучающей и тестовой выборок.

Что можно сделать

  • Исследовать динамику RL на малых моделях: сравнить поведение модели до и после обучения с подкреплением (sft_init против update_08000) на задачах разной сложности — от уровня L4 до более сложного L6.
  • Проверить устойчивость к случайному сиду: сопоставить траектории рассуждений чекпоинтов seed1234 и seed4321, обученных на одинаковом порядке промптов.
  • Запустить локальные тесты через vLLM или Transformers: благодаря размеру 124M модель легко помещается даже в небольшой объём VRAM и быстро генерирует пошаговые выводы в формате \boxed{...}.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

repo, sub = "AZH04/unified-training-multitask-staged-124m", "staged/seed1234/update_08000"
model = AutoModelForCausalLM.from_pretrained(repo, subfolder=sub)
tok = AutoTokenizer.from_pretrained(repo, subfolder=sub)
ПодробнееБенчмарки (pass@1 / pass@64): tower Base — 29,2% / 91,3% (seed 4321) против 1,7% / 21,9% (SFT); assignment L5 — 88,9% / 100,0% против 2,6% / 41,8%.
Формат промпта: строго сырой текст без системного промпта и чат-шаблона — \n\nAnswer: (с пробелом в конце).
Железо и обучение: SFT заняло 3,5 часа на 1 GPU (1,0 млрд токенов), каждый RL-прогон выполнялся на 2 × NVIDIA RTX PRO 6000 Blackwell (7–10 сек на апдейт).
Ограничения: модель обучена только на двух типах логических головоломок (nl_tower и nl_assignment) на английском языке, ответ обрывается как неверный при превышении 1 280 токенов.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.5 GB · готовые файлы1.1 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.9 GB
  • 4-bitвеса 0.1 GB0.7 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

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # AZH04/unified-training-multitask-staged-124m — A30, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve AZH04/unified-training-multitask-staged-124m --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к unified-training-multitask-staged-124m
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии unified-training-multitask-staged-124m — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

AZH04/unified-training-multitask-staged-124m
Автор
AZH04
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии