К содержимому
Другое

BAGEL-ZebraCoT GRPO Paper v3

4 экспериментальных LoRA-чекпоинта

1 мин чтенияобновлено

Публичный архив чекпоинтов для мультимодальной модели BAGEL-Zebra-CoT от denizakkoc. Это не самостоятельная модель, а custom adapter/trainable-weight чекпоинты после GRPO-обучения на 10 000 примерах; LoRA rank 64, alpha 128, адаптированы и understanding-, и generation-эксперты.

Ключевые особенности

  • 4 сохранённых чекпоинта с манифестом, SHA-256, курсорами обучения и provenance.
  • Обучение шло на 13 категориях задач: visual search, jigsaw, chess, tetris, ciphers, maze, Raven-style matrices, ARC-AGI, physics, geometry, chemistry, graph algorithms и competitive programming.
  • Использовались 16 policy GPU; сохранённое продолжение дошло до 8 256 примеров, а не до полной эпохи на 10 000.
  • В архиве есть промежуточные и fork-варианты, а не только лучший по held-out score чекпоинт.
  • Загрузка требует совместимой custom-архитектуры и установки LoRA-модулей; AutoModel.from_pretrained на этом архиве недостаточно.

Пример

from huggingface_hub import hf_hub_download
repo_id = "denizakkoc/BAGEL-ZebraCoT-GRPO-Paper-v3-20260925"
path = hf_hub_download(
    repo_id,
    "checkpoints/continuation_20260926/train_paper_v3_resume1/checkpoint-timebudget/trainable_weights.pt"
)
ПодробнееСохранённые оценки на 32 вопросах: 6,25–9,38% правильных ответов; это stored evaluations, не новый прогон.
База — BAGEL-Zebra-CoT; нужны upstream base weights, tokenizer и VAE.
Экспериментальные чекпоинты могут давать неверные ответы, повторные изображения и пустые ответы.
Лицензия upstream — Apache-2.0.
Обсудить Telegram 1

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 28 GB · готовые файлы32 GB
  • FP8 / INT8рекомендуемвеса 15 GB17 GB
  • 4-bitвеса 8.9 GB10 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 4090 · BF16 — от RTX 5090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Bagel-Zebra-CoT.

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.

    # denizakkoc/BAGEL-ZebraCoT-GRPO-Paper-v3-20260925
    # ===== 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 multimodal-reasoning-lab/Bagel-Zebra-CoT --local-dir ~/models/Bagel-Zebra-CoT
    hf download denizakkoc/BAGEL-ZebraCoT-GRPO-Paper-v3-20260925 --local-dir ~/models/BAGEL-ZebraCoT-GRPO-Paper-v3-20260925
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Bagel-Zebra-CoT
  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

Нужна базовая модель

multimodal-reasoning-lab/Bagel-Zebra-CoT

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen2.5-7Bоснова семьи
  2. Qwen2.5-7B-Instruct
  3. BAGEL-7B-MoT
  4. Bagel-Zebra-CoT
  5. BAGEL-ZebraCoT-GRPO-Paper-v3-20260925

Новые посты про версии Qwen2.5-7B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face
Слияния 5Все на Hugging Face

О модели

denizakkoc/BAGEL-ZebraCoT-GRPO-Paper-v3-20260925
Автор
denizakkoc
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

Bagel-Robotics-1

Bagel-Robotics-1