К содержимому
Языковые модели

Qwen2.5-Coder-0.5B Python GRPO POC

эксперимент с LoRA без подтверждённого улучшения

2 мин чтения

Это LoRA-адаптер для Qwen/Qwen2.5-Coder-0.5B-Instruct, обученный через TRL GRPO на подмножестве MBPP за 200 шагов. Автор публикует именно финальный артефакт эксперимента, а не checkpoint, выбранный по validation: подтверждённого улучшения по validation нет.

Ключевые особенности

  • Адаптер, а не самостоятельные веса: нужна базовая Qwen/Qwen2.5-Coder-0.5B-Instruct.
  • TRL GRPO + LoRA: rank 16, alpha 32, 200 optimizer steps, 4 кандидата на промпт, temperature 0.8.
  • Reward — доля пройденных оригинальных тестов MBPP через OpenEnv Coding executor в ограниченном Docker-контейнере.
  • На validation лучший обученный checkpoint решил 27/79 против 29/79 у базовой модели; финальный адаптер — 24/79.
  • На test только финальный адаптер: 106/300 против 97/300, +3.0 п.п.; 95% интервал примерно [+0.3, +5.7] п.п.
  • Это filtered MBPP POC, не EvalPlus; один seed, возможны semantic overlap и pretraining contamination.

Пример

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
base_id = 'Qwen/Qwen2.5-Coder-0.5B-Instruct'
adapter_id = 'nitishpandey04/qwen2.5-coder-0.5b-python-grpo-poc'
tokenizer = AutoTokenizer.from_pretrained(adapter_id)
base = AutoModelForCausalLM.from_pretrained(base_id, dtype=torch.bfloat16, device_map='auto')
model = PeftModel.from_pretrained(base, adapter_id).eval()
ПодробнееТест: 106/300 против 97/300 у базовой; validation: 24/79 против 29/79, лучший обученный checkpoint — 27/79.
95% интервал test-only прироста: примерно [+0.3, +5.7] п.п.; это не доказывает общее улучшение.
Обучение: 200 шагов, LoRA r=16, alpha=32, LR 1e-5, KL 0.02; одна NVIDIA RTX 5060 Ti 16 GB, пик PyTorch allocation ~1.12 GiB.
Ограничения: filtered MBPP POC, не EvalPlus; один seed; возможны semantic overlap и pretraining contamination.
Обсудить Telegram 0 24

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.

    # nitishpandey04/qwen2.5-coder-0.5b-python-grpo-poc
    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 nitishpandey04/qwen2.5-coder-0.5b-python-grpo-poc --local-dir ~/models/qwen2.5-coder-0.5b-python-grpo-poc
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к qwen2.5-coder-0.5b-python-grpo-poc
  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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии qwen2.5-coder-0.5b-python-grpo-poc — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

nitishpandey04/qwen2.5-coder-0.5b-python-grpo-poc
Автор
nitishpandey04
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии