HDM-Qwen3.8-27B
умный переключатель режима рассуждений для Qwen
2 мин чтенияобновлено
Компактный модуль маршрутизации (1,31 млн параметров, вес всего 5,3 МБ) к статье «The Value of Thinking: Learning When to Reason in Hybrid Decision Models». Он подключается к замороженной базовой модели Qwen/Qwen3.8-27B и помогает ей не тратить лишние токены на долгие рассуждения там, где можно ответить сразу. Сначала основная нейросеть делает один быстрый проход без генерации текста, а блок оценивает скрытое состояние и восемь статистик этого ответа, предсказывая, улучшит ли цепочка рассуждений итоговый результат. Подойдёт разработчикам и исследователям, которые разворачивают крупные LLM и хотят гибко управлять балансом между точностью ответов и расходом вычислительных ресурсов.
Ключевые особенности
- Оценивает четыре исхода: помогут ли рассуждения исправить ошибку быстрого ответа или, наоборот, только всё испортят.
- Управляется порогом цены
λ: его можно задавать индивидуально для каждого запроса без переобучения блока. - Почти не требует памяти — файл весов занимает 5,3 МБ, а сама базовая модель Qwen3.8-27B остаётся неизменной.
- Работает через бэкенд SGLang 0.5.9 (поддерживается и
transformers, но там из-за отличий в признаках маршрутизация может срабатывать иначе).
Что можно сделать
- Подключить к серверу инференса на базе Qwen3.8-27B через утилиту
hde-serve, чтобы снизить расход токенов рассуждения на простых вопросах с выбором ответа. - Настроить динамическую маршрутизацию запросов в API: передавать параметр
lambdaв полеrouting, регулируя глубину «раздумий» под конкретную задачу. - Переобучить блок под собственную базовую модель, другой слой или точность вычислений — по словам авторов, подгонка занимает всего несколько минут.
Пример
from huggingface_hub import hf_hub_download
from hde.core.block import DecisionHead
path = hf_hub_download("fredreick/HDM-Qwen3.8-27B", "head-27b-mmlu-pro.safetensors")
block = DecisionHead.load(path)
Подробнее
Бенчмарк MMLU-Pro (346 отложенных вопросов по химии, экономике и психологии): при λ = 0.05 точность составляет 89.0% (против 90.2% при постоянном включении рассуждений и 65.0% без них), при этом тратится 78% токенов рассуждений.Бенчмарк JevBench (231 вопрос, без дообучения на нём): при λ = 0 точность достигает 98.7% против 99.1% в режиме «всегда думать» при 82% расхода токенов.
Обучение: 1 154 вопроса из MMLU-Pro (только формат multiple-choice) с бюджетом рассуждений 4 096 токенов.
Ограничения: привязан к конкретной ревизии
Qwen/Qwen3.8-27B, слою -1 и readout coded; другие типы вопросов (не тесты) не проверялись, а безнадёжные вопросы блок всё равно часто отправляет в рассуждения.









Комментарии