К содержимому
Языковые модели

Qwen2.5-7B DPO

выравнивание базовой модели по предпочтениям

1 мин чтенияобновлено

Файнтюн модели Qwen2.5-7B от автора HCY123902, дообученный методом DPO (Direct Preference Optimization) с помощью библиотеки TRL. Задача — text-generation: модель учили выдавать ответы, которые ближе к предпочтениям человека, чем у исходной базы.

Ключевые особенности

  • База — Qwen2.5-7B, то есть 7B-параметровая LLM общего назначения
  • Обучение через DPO: модель оптимизируется напрямую по парам «лучше/хуже», без отдельной reward-модели
  • Стек: TRL 0.20.0, Transformers 4.54.1, PyTorch 2.7.1+cu128, Datasets 3.6.0, Tokenizers 0.21.1
  • Запускается стандартным pipeline("text-generation") из Transformers
  • Логи обучения выложены в открытом W&B-ране

Пример

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="HCY123902/qwen25_7b_base_gn_ssss_n32_r1_no_know_in_rubric_dpo", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])
ПодробнееМетод: DPO (Rafailov et al., NeurIPS 2023), реализация — TRL.
Бенчмарков в карточке нет — только ссылка на W&B-ран.
Требования к VRAM и данные обучения не указаны; ориентируйтесь на 7B-базу.
Стек обучения: PyTorch 2.7.1+cu128, Transformers 4.54.1.
Обсудить Telegram 0 240

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # HCY123902/qwen25_7b_base_gn_ssss_n32_r1_no_know_in_rubric_dpo
    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 HCY123902/qwen25_7b_base_gn_ssss_n32_r1_no_know_in_rubric_dpo --local-dir ~/models/qwen25_7b_base_gn_ssss_n32_r1_no_know_in_rubric_dpo
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии qwen25_7b_base_gn_ssss_n32_r1_no_know_in_rubric_dpo — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

HCY123902/qwen25_7b_base_gn_ssss_n32_r1_no_know_in_rubric_dpo
Автор
HCY123902
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

2400

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии