К содержимому
Другое

LoRA для Time-R1-7B: аудит доказательств в видео

1 мин чтенияобновлено

Этот LoRA-адаптер (небольшая надстройка над базовой моделью) обучен для улучшения точности и зависимости от реальных доказательств в задаче временного заземления видео (video temporal grounding). Модель базируется на Time-R1-7B и создана авторами исследования Accuracy Is Not Evidence. Она помогает точнее определять временные интервалы событий на видео с использованием плацебо-контролируемого обучения. Модель пригодится исследователям и разработчикам, занимающимся анализом видеоданных и проверкой надежности мультимодальных моделей.

Ключевые особенности

  • Плацебо-контроль: обучение с целевой функцией контроля правомерности ответов на измененных видео.
  • Работа с видео: поддержка ввода видео с частотой 2 fps и длиной до 768 кадров.
  • Параметры LoRA: ранг r=16, alpha=32, dropout 0.05, наложенные на проекции q/k/v/o и gate/up/down.
  • Обучение: 300 шагов оптимизатора на 2,400 парах из выборки Charades-STA.

Что можно сделать

  • Запустить оценку: протестировать модель с помощью скриптов аудита из официального репозитория исследования.
  • Интегрировать в пайплайн: загрузить адаптер через библиотеку PEFT для анализа видеособытий.
  • Провести аудит: использовать модель для измерения зависимости ответов мультимодальной системы от видеоряда.

Пример

# pip install "transformers>=5.12" "peft>=0.19.1" qwen-vl-utils
import torch
from transformers import Qwen2_5_VLForConditionalGeneration, AutoProcessor
from peft import PeftModel

base = "Boshenxx/Time-R1-7B"
model = Qwen2_5_VLForConditionalGeneration.from_pretrained(base, torch_dtype=torch.bfloat16, device_map="auto")
processor = AutoProcessor.from_pretrained(base)
model = PeftModel.from_pretrained(model, "jinzijie-bupt/evidence-audit-timer1-7b-pc-a05-s0")
ПодробнееАльфа-коэффициент (α): 0.5
Бета-коэффициент (β): 0.1
Скорость обучения: 5e-6
Требования: transformers 5.x (протестировано на 5.12.1), peft 0.19.1 или новее
Обсудить Telegram 0 8

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 16 GB · готовые файлы18 GB
  • FP8 / INT8рекомендуемвеса 7.9 GB9.2 GB
  • 4-bitвеса 4.5 GB5.5 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 3080 · BF16 — от RTX 4090

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

Это LoRA: вместе с базовой моделью Time-R1-7B.

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.

    # jinzijie-bupt/evidence-audit-timer1-7b-pc-a05-s0
    # ===== 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 Boshenxx/Time-R1-7B --local-dir ~/models/Time-R1-7B
    hf download jinzijie-bupt/evidence-audit-timer1-7b-pc-a05-s0 --local-dir ~/models/evidence-audit-timer1-7b-pc-a05-s0
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Time-R1-7B
  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

Boshenxx/Time-R1-7B

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

Новые посты про версии Time-R1-7B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 2Все на Hugging Face
Дообучения 1Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face

О модели

jinzijie-bupt/evidence-audit-timer1-7b-pc-a05-s0
Автор
jinzijie-bupt
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

80

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии