К содержимому
Другое

Chinese Decision Pointer 4B

вероятности для любых кандидатов за один forward pass

1 мин чтенияобновлено

Это файнтюн Qwen3.5-4B на 4,21 млрд параметров от quincyqiang. Модель получает состояние, вопросы и варианты ответа, а возвращает калиброванную вероятность каждого кандидата без генерации текста. Pointer-голова снимает ограничение в 26 вариантов, характерное для letter-readout версии.

Ключевые особенности

  • Pointer-读出: после каждого кандидата ставится <|object_ref_end|>, после вопроса — <|object_ref_start|>; голова на 256 измерений оценивает пары «решение × кандидат» и выдаёт softmax-вероятности.
  • Совместные вопросы: несколько вопросов по одному состоянию идут в одной последовательности и обрабатываются за один forward pass.
  • База — Qwen3.5-4B, обучение через LoRA с рангом 64, затем веса слиты в BF16-файл model.safetensors.
  • Поддерживаются китайский и английский языки.
  • Вероятности калибруются температурой T = 1,538, подобранной на отдельной калибровочной выборке.

Пример

from decision.modeling import DecisionModel
from decision.processing import DecisionProcessor

model = DecisionModel.from_pretrained(
    "quincyqiang/chinese-decision-pointer-4b", device="cuda"
)
processor = DecisionProcessor.from_pretrained(
    "quincyqiang/chinese-decision-pointer-4b"
)
ПодробнееDecision Index 0.3: 61,69 (raw 71,01) на 140 178 запросах.
Сильные домены: Tools & Automation — 85,2, Retrieval & Classification — 70,6.
На NVIDIA A800 медианная задержка — 64 мс, p95 — 386 мс.
Модель только выбирает из готовых кандидатов, не генерирует текст и не умеет воздерживаться; сложные многошаговые задачи пока слабее крупных моделей.
Обсудить Telegram 0 20

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.8 GB · готовые файлы9.1 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.8 GB
  • 4-bitвеса 2.2 GB2.9 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 3080

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.

    # quincyqiang/chinese-decision-pointer-4b
    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 quincyqiang/chinese-decision-pointer-4b --local-dir ~/models/chinese-decision-pointer-4b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к chinese-decision-pointer-4b
  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

Qwen/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. chinese-decision-pointer-4b

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

quincyqiang/chinese-decision-pointer-4b
Автор
quincyqiang
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

200

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии