К содержимому
Другое

1⃣ clm-system1-medmcqa-granite-4.2-3b

быстрый выбор ответа в медицинских тестах без генерации текста

2 мин чтенияобновлено

Исследовательский прототип от автора pavanmantha для решения медицинских тестов с выбором одного из четырёх вариантов. Вместо долгой пошаговой генерации текста («System 2») модель работает в один проход: замороженная языковая модель ibm-granite/granite-4.2-3b (на 3 млрд параметров) превращает вопрос и каждый вариант ответа в векторы, а две обученные «головы» (небольшие нейросетевые проекторы) переводят их в общее 512-мерное пространство и выбирают самый близкий по косинусному сходству вариант. Такой подход сильно экономит вычисления по сравнению с обычными LLM (большими языковыми моделями), но пока точность составляет 42,5% — модель создана для экспериментов с архитектурой, а не для реальной медицины.

Ключевые особенности

  • Работа в один проход: модель не генерирует рассуждения токен за токеном, а сразу сравнивает эмбеддинги (векторные представления) вопроса и вариантов ответа.
  • Две обученные головы: веса базовой ibm-granite/granite-4.2-3b в формате bfloat16 полностью заморожены; обучались только две MLP-головы (для вопроса и для ответов) и один параметр масштаба.
  • Признаки с 8 слоёв: для каждого текста извлекаются скрытые состояния последнего токена с 8 разных глубин сети (от 25% до 100%), нормализуются и склеиваются в вектор размерностью 20 480.
  • Контрастивное обучение: головы обучались с функцией потерь InfoNCE на 134 416 вопросах из датасета MedMCQA (вступительные медицинские экзамены в Индии).

Что можно сделать

  • Изучить подход «System 1» для тестов: использовать код и архитектуру как референс для быстрой классификации и выбора вариантов без авторегрессионной генерации.
  • Проверить на других доменах: взять пайплайн с извлечением скрытых состояний из разных слоёв Granite 4.2 3B и обучить лёгкие головы под свои задачи multiple-choice на английском языке.
  • Сравнить с полным файнтюном: использовать модель как базовый ориентир (baseline) при исследовании того, насколько проекторы поверх замороженной LLM уступают полноценному обучению или Chain-of-Thought.

Пример

import sys
from pathlib import Path
from huggingface_hub import hf_hub_download

sys.path.insert(0, str(Path(hf_hub_download("pavanmantha/clm-system1-medmcqa-granite-4.2-3b", "clm_inference.py")).parent))
from clm_inference import SystemOneModel

model = SystemOneModel.from_pretrained("pavanmantha/clm-system1-medmcqa-granite-4.2-3b")
options = ["Vitamin A", "Vitamin B12", "Vitamin C", "Vitamin D"]
print(options[model.choose("Scurvy is caused by deficiency of which vitamin?", options)])
Подробнее Точность на тестовой выборке MedMCQA (3842 вопроса): 42,5% ± 0,5% (для опубликованного seed 42 — 42,6%) против 25,0% при случайном угадывании и 30,8% без обученных голов.
На вопросах с отрицаниями (EXCEPT / NOT) точность падает до 35,8%, на остальных составляет 44,1%.
Ограничения: только английский язык, максимум 4 варианта ответа, вопрос и варианты кодируются раздельно без взаимного контекста.
Непригодна для клинической практики и реальных медицинских решений; при первом запуске скачивает базовую модель ibm-granite/granite-4.2-3b.
Обсудить Telegram 0 15

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.4 GB · готовые файлы0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 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.

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.

    # pavanmantha/clm-system1-medmcqa-granite-4.2-3b
    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 pavanmantha/clm-system1-medmcqa-granite-4.2-3b --local-dir ~/models/clm-system1-medmcqa-granite-4.2-3b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к clm-system1-medmcqa-granite-4.2-3b
  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

Дообучение модели

ibm-granite/granite-4.2-3b
  1. granite-4.1-3b-baseоснова семьи
  2. granite-4.2-3b
  3. clm-system1-medmcqa-granite-4.2-3b

Новые посты про версии granite-4.1-3b-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 9Все на Hugging Face
LoRA и адаптеры 3Все на Hugging Face

О модели

pavanmantha/clm-system1-medmcqa-granite-4.2-3b
Автор
pavanmantha
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

150

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии