HDM-blocks
модули выбора режима рассуждений для Qwen
2 мин чтенияобновлено
Набор из двух лёгких блоков самомаршрутизации (Hybrid Decision Models), которые определяют, стоит ли языковой модели тратить время на глубокие рассуждения перед ответом на вопрос. Модули обучены для моделей Qwen/Qwen3.5-4B и Qwen/Qwen3.8-27B авторами научной работы «The Value of Thinking». Вместо запуска отдельного классификатора блок считывает скрытое состояние последнего слоя (hidden state) из быстрого прохода модели и восемь статистик быстрого ответа, предсказывая уверенность и реальную пользу от включения режима размышлений. Это позволяет экономить вычислительные ресурсы на простых вопросах, пригодится разработчикам и исследователям, оптимизирующим инференс рассуждающих LLM.
Ключевые особенности
- Не требует дополнительного прямого прохода (forward pass): использует состояния, уже вычисленные на этапе быстрого ответа.
- Минимальный вес: файл
head-4b-mmlu-proзанимает всего 2.6 МБ, аhead-27b-mmlu-pro— 5.3 МБ. - Встроенная защита от ошибок: при загрузке проверяется соответствие ID базовой модели, ревизии, типа считывания и размерности скрытого слоя.
- Переносимость между темами: блоки обучены на части категорий бенчмарка MMLU-Pro и без дообучения применялись на остальных задачах статьи.
Что можно сделать
- Встроить динамическое переключение между быстрым ответом и долгим рассуждением при развёртывании Qwen3.5-4B или Qwen3.8-27B.
- Сократить задержки и расход токенов в сервисах вопросов и ответов, отсекая задачи, где долгие размышления не улучшают результат.
- Переобучить собственный блок за несколько минут под другую базовую модель или точность квантования с помощью кода проекта
HDM-code.
Пример
from huggingface_hub import hf_hub_download
from litjev.core.block import DecisionHead
path = hf_hub_download("fredreick/HDM-blocks", "head-4b-mmlu-pro.safetensors")
block = DecisionHead.load(path)Подробнее
Обучение: 1 154 вопроса MMLU-Pro (химия, экономика и психология отложены для проверки на 346 вопросах).Метрики 4B (отложенные категории): точность fast-режима — 0.543, slow-режима — 0.853, AUROC пользы размышлений — 0.804.
Метрики 27B (отложенные категории): точность fast-режима — 0.650, slow-режима — 0.887, AUROC пользы размышлений — 0.879.
Ограничения: блок жёстко привязан к конкретной базе, слою (-1) и числовой точности; при смене параметров требуется переобучение.










Комментарии