К содержимому
Языковые модели

Shanghai Local-Life LoRA

помощник для жителей Шанхая

2 мин чтенияобновлено

Это LoRA-адаптер для Qwen/Qwen3.5-9B от binbinao: текстовый SFT под бытовые вопросы жителей Шанхая — соцстрахование, ЖКХ, транспорт, школы, медицина, пенсии, госуслуги, работа и туризм. Обучен на 202 фактах с официальными источниками и 955 синтетических диалогах; отвечает кратко и указывает каналы оформления.

Ключевые особенности

  • 202 факта по 10 темам; у каждого — официальный source_url, срок действия и пометки об изменениях.
  • LoRA r=32, alpha=64, dropout=0.05; 86.6M обучаемых параметров (0.96%), attention/MLP и линейное внимание in_proj_*/out_proj, без lm_head.
  • 1455 примеров: 955 шанхайских Q&A + 500 alpaca-zh против забывания; enable_thinking=False.
  • На 62 отложенных вопросах: bigram F1 0.140 против 0.107 у базы; первое ключевое число — 52% против 41%; ответы короче: 209 против 665 символов.
  • С BM25 RAG top-1: bigram F1 0.580, number recall 0.765, первое ключевое число — 77%.
  • В закрытом режиме может путать близкие темы; цифры и сроки лучше проверять по официальным страницам.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

base = "Qwen/Qwen3.5-9B"
tok = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained(base, dtype=torch.bfloat16, device_map="auto")
model = PeftModel.from_pretrained(model, "binbinao/qwen3.5-9b-shanghai-lora").eval()
ПодробнееОбучение: LoRA r=32, alpha=64, dropout=0.05; 86.6M параметров (0.96%), 3 эпохи / 546 шагов, lr 1e-4, bf16, max_length 2048.
Железо: одна NVIDIA L20 46GB, 21m56s, пик 23.9 GiB.
Оценка на 62 отложенных вопросах: bigram F1 0.140 против 0.107 у базы; первое ключевое число — 52% против 41%.
С BM25 RAG top-1: F1 0.580, number recall 0.765, первое ключевое число — 77%.
Ограничения: в закрытом режиме может путать соседние темы; суммы, сроки и проценты сверяйте с официальными source_url; 15% фактов модель не видела; факты — на 2026-11.
Обсудить Telegram 0 29

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # binbinao/qwen3.5-9b-shanghai-lora
    # ===== 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 binbinao/qwen3.5-9b-shanghai-lora --local-dir ~/models/qwen3.5-9b-shanghai-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к qwen3.5-9b-shanghai-lora
  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.

  • 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 qwen3.5-9b-shanghai-lora — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

binbinao/qwen3.5-9b-shanghai-lora
Автор
binbinao
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

290

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии