К содержимому
Другое

Mini CLM

компактная контрастивная языковая модель без генерации текста

2 мин чтения

Mini CLM — это независимая реализация концепции Contrastive Language Models (контрастивная языковая модель), которая оценивает вероятности вариантов ответа за один проход вместо посимвольной генерации текста. В основе модели лежит замороженная база Qwen/Qwen3-0.6B, дополненная двумя небольшими обученными головами (state head и action head) для сопоставления ситуации и опций через косинусное сходство. Проект разработан для задач множественного выбора и оценки ранжирования на GPU ноутбука. Модель пригодится исследователям и разработчикам, изучающим альтернативные подходы к оценке ответов LLM (большая языковая модель).

Ключевые особенности

  • База Qwen3: использует компактную модель Qwen/Qwen3-0.6B в качестве замороженного бэкбона.
  • Контрастивный подход: возвращает вероятность для каждой опции за один прямой проход (forward pass) без генерации токенов.
  • Обучаемые головы: содержит state head и action head, обученные на трех этапах с использованием InfoNCE loss.
  • Специализация: отлично справляется с сопоставлением смысла на датафреймах вроде ARC-Easy и CommonsenseQA, но не выполняет пошаговый ризонинг.

Что можно сделать

  • Проводить множественный выбор (multiple-choice) и ранжировать готовые варианты ответов на вопросы.
  • Тестировать сценарии выбора действий для агентов (на основе датасетов вроде neulab/adp-v2).
  • Запускать готовый скрипт оценки с помощью входящего в комплект модуля clm.py и демонстрационного примера.

Пример использования

import sys
from huggingface_hub import snapshot_download

path = snapshot_download("ManiShekhar/mini-clm")
sys.path.insert(0, path)
import clm

scorer = clm.Scorer()
print(scorer.rank("Question: What is the capital of Japan?", ["Tokyo", "Osaka", "Paris"]))
Подробнее • Требования: требуется CUDA GPU и локальный запуск через clm.py.
• Обучение: 3 этапа (pre, mid, post) с learning rate от 3e-4 до 5e-5.
• Ограничения: модель не умеет делать пошаговые рассуждения и не выдает числовые оценки.
Обсудить Telegram 0 12

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # ManiShekhar/mini-clm
    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 ManiShekhar/mini-clm --local-dir ~/models/mini-clm
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к mini-clm
  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

Новые посты про версии mini-clm — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

ManiShekhar/mini-clm
Автор
ManiShekhar
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

120

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Subspace NLA

Subspace NLA