К содержимому
Другое

e2h-polaris-qwen3-4b-full-mixed

чекпоинт обучения Qwen3-4B на математических задачах

1 мин чтенияобновлено

Модель представляет собой 4-миллиардную языковую модель Qwen/Qwen3-4B, дообученную с помощью алгоритма GRPO (групповая оптимизация относительных предпочтений) на датасете Polaris-Dataset-53K, разделенном на легкие и сложные математические задачи. В процессе обучения использовалась проверка по правилам для простых примеров и мажоритарное голосование для сложных. Данный чекпоинт соответствует 50-му шагу обучения из запланированных 1200 и предназначен для улучшения математических рассуждений базовой архитектуры. Чекпоинт пригодится исследователям и разработчикам, работающим над оптимизацией логических и математических способностей небольших языковых моделей.

Ключевые особенности

  • Базовая модель: Qwen/Qwen3-4B с 4.41 млрд параметров.
  • Обучение на 26 790 задачах из датасета Polaris (смесь легких и сложных проблем).
  • Использование метода GRPO с гибридной системой наград (проверка ответов и мажоритарное голосование).
  • Веса сохранены в формате bf16 и объединены из FSDP-шардов библиотеки verl.

Что можно сделать

  • Запустить модель для решения сложных математических задач и логических примеров.
  • Протестировать качество генерации цепочки рассуждений (chain-of-thought) по сравнению с оригинальной Qwen3-4B.
  • Интегрировать модель в пайплайны через vLLM или стандартный transformers.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "davidafrica/e2h-polaris-qwen3-4b-full-mixed"
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
ПодробнееМетод обучения: verl 0.4.1 (GRPO)
Длина ответа: до 8192 токенов
Шаг обучения: 50
Размерность весов: bf16
Обсудить Telegram 0 23

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.2 GB · готовые файлы9.5 GB
  • FP8 / INT8рекомендуемвеса 4.1 GB5.0 GB
  • 4-bitвеса 2.3 GB3.0 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 3080

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.

    # davidafrica/e2h-polaris-qwen3-4b-full-mixed
    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 davidafrica/e2h-polaris-qwen3-4b-full-mixed --local-dir ~/models/e2h-polaris-qwen3-4b-full-mixed
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к e2h-polaris-qwen3-4b-full-mixed
  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/Qwen3-4B
  1. Qwen3-4B-Baseоснова семьи
  2. Qwen3-4B
  3. e2h-polaris-qwen3-4b-full-mixed

Новые посты про версии Qwen3-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

davidafrica/e2h-polaris-qwen3-4b-full-mixed
Автор
davidafrica
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии