К содержимому
Другое

Solvformer

компактный трансформер для решения задач через код

2 мин чтенияобновлено

Модель читает текстовую математическую задачу на английском языке, пишет для неё решение в виде программы на Python и запускает её, чтобы получить точный числовой ответ. Это компактный encoder-decoder (кодировщик-декодировщик) трансформер на 74.5M параметров от автора DanilLis, написанный и обученный полностью с нуля на чистом PyTorch без использования предобученных весов. В отличие от крупных языковых моделей, Solvformer работает локально и очень быстро, опираясь на генерацию нескольких вариантов кода и голосование между ними. Подойдёт исследователям, студентам и разработчикам, которым интересен лёгкий подход к решению школьной арифметики через синтез программ.

Ключевые особенности

  • Архитектура encoder-decoder (9+9 слоёв, размерность 512, 8 голов внимания) с общим byte-level BPE токенизатором на 16k токенов для текста и кода.
  • Обучена с нуля на 11.8M пар «вопрос и программа» из датасета SlavaYus/tinysms_qa_12m без опоры на сторонние базовые модели.
  • Поддерживает голосование по нескольким сгенерированным программам (majority voting), что повышает точность с 71.85% до 75.70% на валидации.
  • Высокая скорость работы: обработка 1919 тестовых вопросов с генерацией 12 кандидатов на каждый занимает 140 секунд на одной видеокарте T4.

Что можно сделать

  • Встроить в лёгкий локальный сервис или учебный скрипт для автоматического решения коротких текстовых задач на английском с проверкой через исполнение кода.
  • Использовать открытый код и веса как понятный референс для экспериментов с обучением трансформеров с нуля на чистом PyTorch и методом голосования программ.

Пример

git clone [https://github.com/dsnillisienko/hse-nlp.git](https://github.com/dsnillisienko/hse-nlp.git) solvformer
cd solvformer && pip install -e .
hf download DanilLis/solvformer avg.pt tokenizer.json --local-dir weights

python -m solvformer.solve --ckpt weights/avg.pt --tokenizer weights/tokenizer.json \
    "A pack has 12 pencils. Tom buys 3 packs and gives away 7 pencils. How many pencils does he have left?"
Подробнее Метрика pass@1 (допуск 1e-6): 71.85% при жадной генерации и 75.70% при голосовании по 12 программам на валидации (2000 вопросов); 78.44% на тесте (960 вопросов) в fp16 на T4.
Обучение: 9 часов с нуля и 7.5 часа дообучения на двух GPU T4 (DDP, fp16, ~6 эпох), оптимизатор AdamW с cosine-расписанием.
Ограничения: работает только с короткими текстовыми задачами на английском с числовым ответом; допускает ошибки рассуждения (например, забывает ½ в формуле площади треугольника). Код исполняется в отдельном интерпретаторе с таймаутом, но без полноценной песочницы.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.8 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 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.

    # DanilLis/solvformer
    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 DanilLis/solvformer --local-dir ~/models/solvformer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к solvformer
  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

Новые посты про версии solvformer — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

DanilLis/solvformer
Автор
DanilLis
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