К содержимому
Компьютерное зрение

Artsy RLHF

LoRA для рисования через генерацию кода

2 мин чтенияобновлено

Финальный чекпоинт проекта Artsy представляет собой LoRA-адаптер (небольшую надстройку над базовой моделью) поверх Qwen/Qwen3.5-4B от автора Rashik24. Вместо прямой пиксельной генерации модель пишет Python-код и вызывает инструменты среды рисования, а сам рендер выполняется во внешнем окружении с поддержкой предпросмотра. Адаптер прошёл три этапа обучения (SFT → RLVR → RLHF с наградой от модели оценки человеческих предпочтений HPSv3) и заметно превосходит базовую Qwen3.5-4B по надёжности и визуальному качеству итоговых иллюстраций. Подойдёт разработчикам агентских систем, исследователям мультимодальных LLM и тем, кто экспериментирует с процедурной генерацией графики через код.

Ключевые особенности

  • Кодовая генерация графики: модель формирует Python-скрипты и tool calls, а итоговое изображение создаётся при их исполнении в песочнице.
  • Оптимизация под качество рендера: финальный этап RLHF на 1000 промптах с оценкой через HPSv3 повышает эстетику без потери навыков написания кода.
  • Итеративный рабочий цикл: сохраняет поддержку генерации, визуального предпросмотра и финальной отправки результата.
  • Архитектура с обновлением output-head: требует загрузки через библиотеку PEFT с сохранением отдельных входных эмбеддингов базовой модели.

Что можно сделать

  • Интегрировать в среду Artsy и ArtCanvas: использовать как основной чекпоинт для создания иллюстраций по сложным текстовым промптам.
  • Встроить в агентский пайплайн (mini-SWE): запускать сгенерированный модельный код в изолированной песочнице с циклом самопроверки по превью.
  • Сравнить этапы обучения SFT, RLVR и RLHF: протестировать влияние предпочтительной оптимизации (PPO + HPSv3) на долю валидных рендеров.

Пример

from transformers import AutoProcessor, Qwen3_5ForConditionalGeneration
from peft import PeftModel

base_id = "Qwen/Qwen3.5-4B"
rev = "851bf6e806efd8d0a36b00ddf55e13ccb7b8cd0a"
processor = AutoProcessor.from_pretrained(base_id, revision=rev)
base = Qwen3_5ForConditionalGeneration.from_pretrained(base_id, revision=rev, dtype="auto", device_map="auto")
model = PeftModel.from_pretrained(base, "Rashik24/rlhf-experiment10-genai1000-linear-epoch1-kl-budget-recovery").eval()
Подробнее Бенчмарк (150 сложных промптов GenAI-Bench, лимит 12 шагов): 149/150 валидных картинок и средний балл HPSv3 0.539 против 102/150 и 0.094 у базовой Qwen3.5-4B.
Обучение: LoRA ранга 128, 32 обновления (1 эпоха) на 1000 промптах, batch size 32, 4 траектории на промпт, lr 1e-5, KL-штраф 0.01.
Ограничения: для работы нужны инструкции Artsy, ArtCanvas API и песочница; в шаблоне чата необходимо передавать enable_thinking=False.
Совместимость: проверено на Transformers 5.5.4 и PEFT 0.21.3.
Обсудить Telegram 0 23

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 9.8 GB · готовые файлы11 GB
  • FP8 / INT8рекомендуемвеса 5.4 GB6.5 GB
  • 4-bitвеса 3.5 GB4.4 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 5060 Ti 8GB · BF16 — от RTX 5070

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

Это LoRA: вместе с базовой моделью Qwen3.5-4B.

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.

    # Rashik24/rlhf-experiment10-genai1000-linear-epoch1-kl-budget-recovery
    # ===== 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/Qwen3.5-4B --local-dir ~/models/Qwen3.5-4B
    hf download Rashik24/rlhf-experiment10-genai1000-linear-epoch1-kl-budget-recovery --local-dir ~/models/rlhf-experiment10-genai1000-linear-epoch1-kl-budget-recovery
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-4B
  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

Нужна базовая модель

Qwen/Qwen3.5-4B

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

  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. rlhf-experiment10-genai1000-linear-epoch1-kl-budget-recovery

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

Rashik24/rlhf-experiment10-genai1000-linear-epoch1-kl-budget-recovery
Автор
Rashik24
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии