К содержимому
Другое

selfpo-llava15-7b-icvco-ours

LoRA-адаптер для выравнивания LLaVA-1.5-7B

2 мин чтенияобновлено

Это исследовательский адаптер типа LoRA (небольшая надстройка над базовой моделью) от автора pratikjalan, созданный на основе мультимодальной модели LLaVA-1.5-7B. Он предназначен для выравнивания (preference optimization — настройки ответов модели под предпочтения) с использованием функции потерь IC-VCO (image-contrastive visual-conditioned preference objective) и стратегии отбора негативных примеров SelfPO. На выходе вы получаете дообученную версию LLaVA-1.5-7B, которая точнее соотносит текстовые ответы с визуальным контекстом. Репозиторий входит в серию из 60 экспериментов по сравнению способов отбора данных и пригодится исследователям мультимодальных LLM.

Ключевые особенности

  • Построена на базе llava-hf/llava-1.5-7b-hf и подключается через библиотеку PEFT без необходимости скачивать полные веса заново.
  • Использует метод обучения IC-VCO (контрастивная оптимизация предпочтений с опорой на изображение) и отбор негативных примеров SelfPO.
  • Обучены только слои языковой модели (rank 64, alpha 128), тогда как визуальный энкодер (vision tower) и проектор оставались замороженными.
  • Обучение проводилось на переработанных парах из датасета TPO (helehan/topic-overwrite) в точности bfloat16 без квантования.

Что можно сделать

  • Подключить адаптер поверх llava-hf/llava-1.5-7b-hf для локальных тестов качества ответов по изображениям.
  • Использовать чекпоинт как контрольный образец в академических экспериментах, сравнивая стратегию отбора негативов SelfPO со случайной выборкой.
  • Изучить лог обучения (training_audit.json) и конфигурацию воспроизводимости для настройки собственных пайплайнов DPO/VCO на базе библиотеки TRL.

Пример

from peft import PeftModel
from transformers import AutoProcessor, LlavaForConditionalGeneration
base = LlavaForConditionalGeneration.from_pretrained("llava-hf/llava-1.5-7b-hf", revision="b234b804b114d9e37bb655e11cbbb5f5e971b7a9", torch_dtype="bfloat16")
model = PeftModel.from_pretrained(base, "pratikjalan/selfpo-llava15-7b-icvco-ours")
processor = AutoProcessor.from_pretrained("llava-hf/llava-1.5-7b-hf", revision="b234b804b114d9e37bb655e11cbbb5f5e971b7a9")
ПодробнееОбучение: 1 эпоха (304 шага), глобальный батч 64, learning rate 5e-06, длина контекста до 4096 токенов; loss снизился с 2.6579 до 1.6087.
Железо и формат: обучение в bfloat16 без квантования; для запуска требуются базовые веса LLaVA-1.5-7B.
Ограничения: исследовательский артефакт без safety-тюнинга, возможны галлюцинации и искажения из обучающих данных; лицензия CC-BY-NC-4.0 (только некоммерческое использование).
Обсудить Telegram 0 15

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 14 GB · готовые файлы16 GB
  • FP8 / INT8рекомендуемвеса 7.2 GB8.4 GB
  • 4-bitвеса 4.3 GB5.2 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 3080 · F16 — от RTX 5080

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

Это LoRA: вместе с базовой моделью llava-1.5-7b-hf.

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.

    # pratikjalan/selfpo-llava15-7b-icvco-ours
    # ===== 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 llava-hf/llava-1.5-7b-hf --local-dir ~/models/llava-1.5-7b-hf
    hf download pratikjalan/selfpo-llava15-7b-icvco-ours --local-dir ~/models/selfpo-llava15-7b-icvco-ours
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к llava-1.5-7b-hf
  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

Нужна базовая модель

llava-hf/llava-1.5-7b-hf

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии llava-1.5-7b-hf — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 4Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

pratikjalan/selfpo-llava15-7b-icvco-ours
Автор
pratikjalan
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