К содержимому
Другое

LifeMate V7 Weights

набор LoRA-адаптеров и soup-сборок на базе Qwen3.5-4B

2 мин чтения

Автор Nhat42 собрал в одном репозитории комплект LoRA-адаптеров (небольших надстроек для дообучения), их объединенных версий (LoRA soup) и логов оценки для системы LifeMate V7. В основе лежит языковая модель Qwen/Qwen3.5-4B, обученная на синтетических данных для генерации ответов и вызовов инструментов (tool calls). Главная особенность проекта — метод точного объединения рангов (exact_rank_concat), который позволяет склеить до пяти разных адаптеров в один без потери точности и даже на обычном CPU. Набор пригодится разработчикам, которые экспериментируют с объединением весов моделей и созданием компактных LLM-агентов до 5 млрд параметров.

Ключевые особенности

  • Готовая сборка g_all5: объединяет пять специализированных адаптеров (F1–F5) с равными весами, повышая итоговый балл на unseen-валидации до 73.89 против 67.54 у базового варианта.
  • Сборка на CPU без видеокарты: в репозитории описан процесс воспроизводимого склеивания отдельных LoRA-модулей в единый файл с проверкой контрольных сумм SHA256.
  • Специализация адаптеров: отдельные модули в папке adapters/ дообучались на разные подзадачи — вычисления (compute), работу с датами, ветвление логики и DPO-выравнивание.
  • Прозрачные метрики: для 17 конфигураций приложены подробные отчеты оценки (summary.json, details.jsonl) на выборках val_seen и val_unseen.

Что можно сделать

  • Собрать компактную модель на базе Qwen3.5-4B для локальных агентов, которым нужно вызывать внешние функции и API.
  • Использовать готовые адаптеры из папки adapters/ для экспериментов со смешиванием весов (model merging) и сравнения разных стратегий дообучения.

Пример

pip install huggingface_hub
export HF_TOKEN=hf_xxx
huggingface-cli download Nhat42/lifemate-v7-weights \
    --include "submission/g_all5/*" \
    --local-dir outputs/v7/hf_weights
ПодробнееБазовая модель: Qwen/Qwen3.5-4B (итоговая сборка меньше 5B параметров)
Лучший результат (g_all5): final_score 73.89 (hash_match 82.33%) на val_unseen (232 примера) и 85.46 (92.22%) на val_seen (257 примеров)
Параметры LoRA: r=32, lora_alpha=64 для одиночных адаптеров (232.6 МБ каждый) и r=160, lora_alpha=320 для g_all5 (1162.6 МБ)
Примечание: в карточке репозиторий помечен как Private, для скачивания через CLI указан токен доступа
Обсудить Telegram 0

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.

    # Nhat42/lifemate-v7-weights
    # ===== 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 Nhat42/lifemate-v7-weights --local-dir ~/models/lifemate-v7-weights
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к lifemate-v7-weights
  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 lifemate-v7-weights — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Nhat42/lifemate-v7-weights
Автор
Nhat42
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Cloudie

Cloudie