К содержимому
Другое

ConnectAI Lab RL NIL v1

0.8B-модель выбирает решение в бизнес-симуляторе

1 мин чтения

Исследовательская LoRA-модель от CONNECT AI LAB × AI CITY BUILDERS на базе Qwen/Qwen3.5-0.8B. Она читает состояние, вопрос и список вариантов и возвращает одну букву выбранного ответа; обучена на данных симулятора CONNECT TYCOON для корейского языка.

Ключевые особенности

  • База — Qwen/Qwen3.5-0.8B, адаптация через LoRA (библиотека peft).
  • Пайплайн: PPO-политика в симуляторе → разметка вариантов → SFT → RL с групповой нормализацией преимуществ и KL-штрафом к стартовой модели.
  • На тесте: 65,0% против 30,0% у базовой модели; regret снизился с 4,79 до 4,12.
  • Данные: распределение general, 4082 примера в train, 832 в valid и 840 в test.
  • Формат ответа — ровно одна буква варианта; вероятность буквы трактуется как вероятность выбора.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
tok = AutoTokenizer.from_pretrained("Qwen/Qwen3.5-0.8B")
model = PeftModel.from_pretrained(AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.5-0.8B"), "pwg0218/connectailab-rl-nil-v1")
ПодробнееТочность: 30,0% у Qwen до обучения, 62,6% после SFT, 65,0% после RL; regret — 4,79 → 4,15 → 4,12.
В симуляторе месячная прибыль RL-версии — −3,19 млн вон; снижение потерь в реальных карточных транзакциях — 37% (91/177).
Первый эксперимент: среднее по двум незнакомым месяцам, выборка небольшая, модель пока ниже политики-учителя.
Это исследовательская и образовательная модель; перед реальными управленческими решениями проверяйте её на записях компании.
Видео-примеры
Обсудить Telegram 0 6

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.6 GB · готовые файлы2.3 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.5 GB1.0 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.

Это LoRA: вместе с базовой моделью Qwen3.5-0.8B.

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.

    # pwg0218/connectailab-rl-nil-v1
    # ===== 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 Qwen/Qwen3.5-0.8B --local-dir ~/models/Qwen3.5-0.8B
    hf download pwg0218/connectailab-rl-nil-v1 --local-dir ~/models/connectailab-rl-nil-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-0.8B
  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

Qwen/Qwen3.5-0.8B

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

  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. connectailab-rl-nil-v1

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

pwg0218/connectailab-rl-nil-v1
Автор
pwg0218
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

60

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

LINK-01 v5

LINK-01 v5