К содержимому
Другое

DeepSeek-R1-Distill-Llama-8B AdvChain CoT-Final

рассуждения с готовым резюме

2 мин чтенияобновлено

Автор OP12138 опубликовал полнопараметрический SFT-файнтюн (дообучение всех весов модели на примерах) на базе DeepSeek-R1-Distill-Llama-8B. Модель обучалась на датасете advchain_cot_final_974 из 974 записей, где исходная цепочка рассуждений CoT (Chain-of-Thought — пошаговое логическое мышление внутри тегов ) сохраняется без изменений, а сразу после неё добавляется итоговая сводка. В отличие от стандартных сборок, здесь специально отработана склейка рассуждений и финального ответа без обрезки контекста. Подойдёт разработчикам и исследователям, которые работают с reasoning-моделями (моделями с видимым ходом мыслей) и настраивают структурированный вывод.

Ключевые особенности

  • Полнопараметрическое дообучение: обновлены все веса модели с помощью LLaMA-Factory и DeepSpeed ZeRO-3 в точности bf16.
  • Сохранение блока мышления: используется шаблон deepseekr1, оставляющий теги и весь ход рассуждений в нетронутом виде.
  • Обучение без обрезки: максимальная длина примеров в датасете составила 2 596 токенов при лимите контекста 8 192, все финальные ответы прошли контроль качества.
  • Стабильная сходимость: за 5 эпох (40 шагов оптимизатора) функция потерь снизилась с 1.80 до 0.25 при среднем значении 0.686.

Что можно сделать

  • Встроить модель в пайплайны анализа данных, где от нейросети требуется сначала показать пошаговую логику внутри , а затем выдать чёткую итоговую сводку.
  • Использовать чекпоинт как отправную точку для дальнейших экспериментов с форматацией CoT-ответов на базе архитектуры Llama 8B.

Пример

В обучающем датасете структура ответа модели строится по жёсткому шаблону: сначала идёт исходная цепочка рассуждений внутри тегов ..., затем двойной перенос строки и итоговая сводка по метаданным в качестве финального ответа.

ПодробнееБазовая модель: deepseek-ai/DeepSeek-R1-Distill-Llama-8B (размер весов — 15.96 ГБ, 291 тензор в safetensors).
Обучение: 5 эпох (40 шагов), эффективный батч 128, AdamW (LR 1e-5, cosine, warmup 5%, clip 1.0), seed 42.
Метрики обучения: train_loss снизился с 1.80 до 0.25 (средний 0.686), grad_norm — с 14 до 2.
Язык датасета: английский (974 записи: 775 tc и 199 hc).
Обсудить Telegram 0 22

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 15 GB · готовые файлы17 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 4090

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

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.

    # OP12138/ds-llama-8b-advchain-cot-final
    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 OP12138/ds-llama-8b-advchain-cot-final --local-dir ~/models/ds-llama-8b-advchain-cot-final
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ds-llama-8b-advchain-cot-final
  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 DeepSeek-R1-Distill-Llama-8B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 7Все на Hugging Face

О модели

OP12138/ds-llama-8b-advchain-cot-final
Автор
OP12138
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии