К содержимому
Другое

DeFT-RAG-DM-4B

4B-диспетчер решений для multi-hop RAG

2 мин чтения

DeFT-RAG-DM-4B — дообученная decision-модель из статьи DeFT-RAG (UT Dallas). Это 4,54B-модель на базе StartLux-Decision-4B: она выдаёт вероятности для yes/no-решений и оценку глубины вопроса в пайплайне multi-hop RAG. Язык — английский.

Ключевые особенности

  • Relevance: нужен ли найденный пассаж для ответа на вопрос или подвопрос; порог p(yes) ≥ 0.5.
  • Sufficiency: хватает ли top-10 пассажей, чтобы ответить; порог p(yes) ≥ 0.7.
  • Question depth: оценивает число hops по самому вопросу — none, one, two или three+ — как score от 0 до 3.
  • Direct answer: отвечает напрямую по пассажам, если они достаточны и глубина ≤ 2; иначе запускает цикл подвопросов.
  • Enough facts: отвечают ли уже найденные пары вопрос-ответ на исходный вопрос; порог ≥ 0.5.
  • Same question: в QA-кэше проверяет, не запрашивают ли два подвопроса одну и ту же информацию; порог ≥ 0.8.

Пример

huggingface-cli download startlux-models/StartLux-Decision-4B --local-dir StartLux-Decision-4B
huggingface-cli download Dingy-Kang/DeFT-RAG-DM-4B --local-dir DeFT-RAG-DM-4B
cd StartLux-Decision-4B && pip install -r requirements.txt
python -m startlux_decision.server --model ../DeFT-RAG-DM-4B --port 8090 --no-images --max-length 16384 --name deftrag-dm
ПодробнееБаза — StartLux-Decision-4B; LoRA rank 16, alpha 32, dropout 0.05, 1 эпоха, LR 1e-4.
Обучение: 48 036 примеров и 7 806 dev, только train-сплиты MuSiQue, 2WikiMultiHopQA и HotpotQA; тестовые данные не использовались.
Для сервера хватит одной GPU с ~20 GB свободной памяти; язык — английский.
Лицензия CC BY-NC 4.0: только исследовательское и некоммерческое использование с атрибуцией.
Обсудить Telegram 1 7

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.5 GB · готовые файлы9.8 GB
  • FP8 / INT8рекомендуемвеса 4.2 GB5.2 GB
  • 4-bitвеса 2.4 GB3.1 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.

    # Dingy-Kang/DeFT-RAG-DM-4B
    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 Dingy-Kang/DeFT-RAG-DM-4B --local-dir ~/models/DeFT-RAG-DM-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DeFT-RAG-DM-4B
  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

startlux-models/StartLux-Decision-4B

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

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

О модели

Dingy-Kang/DeFT-RAG-DM-4B
Автор
Dingy-Kang
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

71

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии