К содержимому
Другое

1pp-2.81b-v2-asst-search-rl-abstain-norefusal

поисковый агент, который умеет говорить «не знаю»

2 мин чтенияобновлено

Компактная языковая модель на 2.81 млрд параметров от jkminder, обученная искать ответы по индексу Википедии 2018 года и воздерживаться от ответа, если фактов не хватает. В основе лежит база Raghav-Singhal/1pp-2.81b-v2-asst-sft, дообученная сначала на диалогах с поиском (warm start), а затем методом GRPO (алгоритм обучения с подкреплением без отдельной модели-критика) с использованием чат-реплея без отказов. В отличие от обычных LLM, которые склонны додумывать факты при нехватке данных, этот чекпоинт приучен проверять информацию через инструмент поиска и признавать отсутствие ответа. Подойдёт исследователям, изучающим борьбу с галлюцинациями, поведение моделей при воздержании от ответа и обучение поисковых агентов.

Ключевые особенности

  • Пошаговый поиск с лимитом: за один пользовательский запрос модель может сделать до 5 поисковых вызовов по BM25-индексу Википедии 2018 года, получая топ-3 фрагмента по 100 слов.
  • Честное воздержание от ответа: в 2% обучающих примеров нужные фрагменты скрывали из выдачи, поэтому модель научилась отвечать в духе «не удалось найти ответ», если данных нет.
  • Чат-реплей без отказов: при RL-обучении в каждый шаг подмешивали обычные диалоги из пула без отказов ассистента (без WildJailbreak, WildGuardMix и отказных веток WildChat), чтобы сохранить разговорные навыки.
  • Чёткий формат разметки: вызовы поиска оформляются через тег , а итоговый ответ оборачивается в ... (или выдаётся без тега, если ответ не найден).

Что можно сделать

  • Изучить механику абстенции (отказа от выдумывания): сравнить поведение чекпоинтов с отказным и безотказным чат-реплеем в рамках серии One Persona Pretraining (1PP).
  • Запустить в локальном пайплайне RAG / поискового агента: подключить к BM25-индексу корпуса Search-R1 2018 Wikipedia в рамках контекста до 4096 токенов.
  • Использовать как бейзлайн для RL-экспериментов: оценить эффективность связки оптимизатора Muon и GRPO в фреймворке verl на многошаговых вопросах (HotpotQA, MuSiQue, 2WikiMultihopQA).

Пример

Формат вызова инструмента поиска и возврата ответа в диалоге (шаблон чата базовой модели <|im_start|> / <|im_end|>):

{"name": "search", "arguments": {"query": "..."}}

Найденный ответ
ПодробнееМетрики на dev-выборке (768 вопросов, 8 попыток при temperature 1): точность с первой попытки (pass@1) выросла с 8.0% у warm start до 31.2%, pass@8 — с 25.0% до 42.4%, а доля верных ответов среди тех, на которые модель решилась ответить — с 15.1% до 69.6% (отвечает на 54.5% вопросов против 75.2%).
Обучение: 860 шагов GRPO в verl на 4 нодах (16 GPU), 4.7% от вычислительного бюджета претрейна; контекст ограничен 4096 токенами.
Ограничения: исследовательский чекпоинт без дополнительного тюнинга безопасности; фразы «не знаю» шаблонные («None of these passages mention ...»), а в рассуждениях иногда всё же проскакивают факты не из выдачи.
Обсудить Telegram 0 19

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 5.2 GB · готовые файлы6.3 GB
  • FP8 / INT8рекомендуемвеса 2.6 GB3.4 GB
  • 4-bitвеса 1.5 GB2.1 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 5060 Ti 8GB

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.

    # jkminder/1pp-2.81b-v2-asst-search-rl-abstain-norefusal
    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 jkminder/1pp-2.81b-v2-asst-search-rl-abstain-norefusal --local-dir ~/models/1pp-2.81b-v2-asst-search-rl-abstain-norefusal
    # 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.

Семья модели

Дообучение модели

Raghav-Singhal/1pp-2.81b-v2-asst-sft

Новые посты про версии 1pp-2.81b-v2-asst-sft — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 3Все на Hugging Face

О модели

jkminder/1pp-2.81b-v2-asst-search-rl-abstain-norefusal
Автор
jkminder
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии