К содержимому
Другое

ganit-1.5b-grpo-v2

LoRA-адаптер для пошагового решения математических задач

2 мин чтенияобновлено

Это LoRA (небольшая надстройка над базовой моделью) для компактной языковой модели Qwen/Qwen2.5-1.5B-Instruct от автора Mayank Parashar. Адаптер учит модель решать школьные математические задачи с пошаговыми рассуждениями и выдавать итоговый ответ в строгом формате с тегами и . Обучение проводилось методом GRPO (алгоритм обучения с подкреплением на основе групповых оценок ответов) на датасете GSM8K с проверяемыми наградами. В результате адаптер поднимает точность базовой модели на тестовой выборке с 44.0% до 74.7% при одновременном сокращении средней длины ответа. Решение подойдёт разработчикам, которым нужны компактные и предсказуемые по формату модели для математических рассуждений на английском языке.

Ключевые особенности

  • Рост точности на GSM8K: показатель Accuracy увеличился с 44.0% у базовой модели до 74.7% на выборке из 300 задач.
  • Строгий формат вывода: соблюдение структуры ответа с тегами и выросло с 86.7% до 99.0%.
  • Более лаконичные рассуждения: средняя длина генерации сократилась с 723 до 634 символов при повышении качества.
  • Поддержка Self-consistency: при генерации 4 вариантов ответа точность по мажоритарному голосованию достигает 76.0% (pass@4 — 87.0%).

Что можно сделать

  • Встроить в образовательные сервисы: использовать в англоязычных репетиторах и тренажёрах для автоматической проверки и пошагового разбора школьных задач.
  • Автоматизировать парсинг ответов: применять в пайплайнах, где важно надёжно извлекать итоговое число из тега без сложной постобработки.
  • Изучить как референс GRPO: взять конфигурацию обучения (TRL GRPOTrainer, LoRA r=16) за основу для собственных экспериментов с RL-дообучением компактных LLM.

Пример

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("Qwen/Qwen2.5-1.5B-Instruct")
model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen2.5-1.5B-Instruct")
model = PeftModel.from_pretrained(model, "Mahir28/ganit-1.5b-grpo-v2")
Подробнее Точность по сложности задач: easy — 85.7% (N=112), medium — 68.1% (N=138), hard — 68.0% (N=50); pass@1 = 68.7%.
Параметры LoRA: r = 16, α = 32, dropout = 0.05 (слои q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj).
Обучение: 750 шагов через TRL GRPOTrainer, 8 генераций на промпт, KL β = 0.04, lr = 2e-05 (cosine), батч 8 × 4.
Функция наград: correctness, format и tag_count с равными весами [1.0, 1.0, 1.0].
Обсудить Telegram 0 14

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.9 GB · готовые файлы3.7 GB
  • FP8 / INT8рекомендуемвеса 1.5 GB2.2 GB
  • 4-bitвеса 0.9 GB1.5 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 2060 · BF16 — от RTX 2060

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

Это LoRA: вместе с базовой моделью Qwen2.5-1.5B-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.

    # Mahir28/ganit-1.5b-grpo-v2
    # ===== 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/Qwen2.5-1.5B-Instruct --local-dir ~/models/Qwen2.5-1.5B-Instruct
    hf download Mahir28/ganit-1.5b-grpo-v2 --local-dir ~/models/ganit-1.5b-grpo-v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen2.5-1.5B-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/Qwen2.5-1.5B-Instruct

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

  1. Qwen2.5-1.5Bоснова семьи
  2. Qwen2.5-1.5B-Instruct
  3. ganit-1.5b-grpo-v2

Новые посты про версии Qwen2.5-1.5B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

Mahir28/ganit-1.5b-grpo-v2
Автор
Mahir28
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

140

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Vaani-3 ASR

Vaani-3 ASR