К содержимому
Другое

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

поисковый агент, который умеет сказать «не знаю»

2 мин чтенияобновлено

Это исследовательский LLM на 2,81 млрд параметров, который отвечает на вопросы не по памяти, а через поиск по Wikipedia 2018 года. База — Raghav-Singhal/1pp-2.81b-v2-raw-sft (condition raw, seed 28): модель сначала дообучили на поисковых диалогах, а затем тренировали с GRPO (RL-метод с групповыми сравнениями ответов). На каждый вопрос она может сделать до 5 поисковых запросов, получить top-3 пассажа по BM25 и либо дать ответ в теге <answer>, либо не ставить тег, если ответа не нашла. Главное отличие от warm start — заметно более высокая точность среди ответов и обученное поведение «не знаю». Пригодится тем, кто делает RAG- и search-агентов и хочет проверить abstention (отказ от ответа при нехватке данных).

Ключевые особенности

  • Вызывает инструмент search с JSON-запросом; результаты приходят как <tool_response> с top-3 пассажами и остатком поисков.
  • Ответ — свободный текст ровно в одном <answer>...</answer>, а при неудаче — ответ без тега.
  • Обучена abstention: на 2 % вопросов правильные пассажи скрыты, поэтому «не знаю» — верная стратегия.
  • RL в verl: 860 шагов по 256 вопросов × 8 rollouts на 16 GPU, reward штрафует лишние поиски и ответы без поиска.
  • В chat replay нет отказов; это research-checkpoint, не tuned под safety сверх базового SFT.

Что можно сделать

  • Собрать прототип поискового ассистента по Wikipedia с BM25 и честным «не знаю».
  • Прогнать RAG-агента на HotpotQA, NQ, 2WikiMultihopQA и MuSiQue — эти датасеты есть в обучении.
  • Исследовать, как reward и штрафы за поиск влияют на abstention и точность ответов.
  • Сравнить с warm start по pass@1 и доле ответов.

Пример

Пользователь пишет только вопрос. Модель может вызвать поиск:

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

После ответа инструмента она возвращает <answer>краткий ответ</answer> или отвечает без тега, если не нашла подтверждения. До 5 поисков, весь диалог — не больше 4 096 токенов.

ПодробнееDev, 768 вопросов, 8 попыток при temperature 1: pass@1 — 28,5 % против 10,4 % у warm start; точность среди ответов — 62,1 % против 16,7 %; доля отвеченных — 57,9 % против 83,3 %.
Ограничения: фразы «не знаю» шаблонные, reasoning иногда ссылается на факты, которых нет в пассажах; safety не дообучалась.
Контекст: BM25-индекс Wikipedia 2018, до 5 поисков, лимит 4 096 токенов.
Обсудить Telegram 0 25

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-raw-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-raw-search-rl-abstain-norefusal --local-dir ~/models/1pp-2.81b-v2-raw-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-raw-sft

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

Дообучения 3Все на Hugging Face

О модели

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

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии