К содержимому
Другое

CAIAAD

LoRA для извлечения фактов из научных статей

1 мин чтенияобновлено

CAIAAD — LoRA-адаптер для Qwen/Qwen3-VL-8B-Instruct, который превращает фрагменты научных статей в структурированные факты: дословную цитату, полное числовое значение, исходную единицу и поле из фиксированной таксономии на 26 полей. Обучен на корпусе проекта по CDI и водоочистке: ёмкостная деионизация, электросорбция, антибактериальные поверхности, ROS/H2O2.

Ключевые особенности

  • LoRA r=16, alpha=32, dropout=0.05; обучаемых параметров 43 646 976 (0.50% базовой модели).
  • SFT с causal-LM loss только на токенах ассистента, bf16 без квантизации; обучение на одной RTX 5090 24 GB, пик 22.0 GB.
  • Данные: 7 556 фактов из 1 974 пассажей и 955 публикаций; сплиты по DOI публикации.
  • Цели — прошедшие валидатор извлечения Qwen3-VL-30B, не ручная аннотация.
  • На 12 невиданных пассажах: 44 факта, 37 прошли валидатор, precision 84%; базовая Qwen3-VL-8B — 0%.

Пример

from peft import PeftModel
from transformers import AutoModelForImageTextToText, AutoTokenizer

base = AutoModelForImageTextToText.from_pretrained(
    "Qwen/Qwen3-VL-8B-Instruct", dtype="bfloat16", device_map={"": 0})
model = PeftModel.from_pretrained(base, "liuiop/CAIAAD")
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-VL-8B-Instruct")
ПодробнееБенчмарк: 84% precision на 12 невиданных пассажах (37 из 44 фактов), у базовой модели — 0%.
Железо: одна RTX 5090 на 24 GB, пик 22.0 GB; bf16 без квантизации.
Ограничения: цели машинно-сгенерированы и проверены валидатором, не людьми; домен — CDI/водоочистка, другие области не тестировались.
Адаптер может дословно цитировать статьи — при переиспользовании указывайте оригинальные публикации.
Обсудить Telegram 0 10

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 16 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.3 GB9.7 GB
  • 4-bitвеса 4.8 GB5.7 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 Qwen3-VL-8B-Instruct.

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.

    # liuiop/CAIAAD
    # ===== 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 Qwen/Qwen3-VL-8B-Instruct --local-dir ~/models/Qwen3-VL-8B-Instruct
    hf download liuiop/CAIAAD --local-dir ~/models/CAIAAD
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-VL-8B-Instruct
  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

Qwen/Qwen3-VL-8B-Instruct

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

Новые посты про версии Qwen3-VL-8B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

liuiop/CAIAAD
Автор
liuiop
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

100

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Xiaomi-OCR-0

Xiaomi-OCR-0