К содержимому
Компьютерное зрение

Signpost-Jev-4B

модель для структурированных решений и оценки по бенчмаркам

2 мин чтенияобновлено

Signpost-Jev-4B — это специализированная модель на базе Qwen3.5-4B, обученная принимать структурированные решения по стандарту JevBench. На вход она принимает состояние (в виде текста или JSON-записи) и типизированные вопросы, а на выходе выдает вероятности для каждого варианта ответа (истина/ложь, выбор из опций или шкалы). Модель не генерирует свободный текст, а производит каждый расчет за один проход через токены ответа. Она оптимизирована для работы в связке с сервером vLLM и пригодится разработчикам систем автоматического принятия решений и оценки данных.

Ключевые особенности

  • Специализация: настроена под задачи принятия решений в стиле JevBench без генерации лишнего текста.
  • Быстрая работа: выдает результат с медианной задержкой 44 мс на один запрос на GPU L40S.
  • Архитектура: создана на базе Qwen3.5-4B с применением LoRA (небольшой надстройки над базовой моделью) с рангом 16 в fp16 с последующим слиянием весов.
  • Точность: показывает высокую точность на публичных наборах данных бенчмарка JevBench (до 0.979 на легких задачах).

Что можно сделать

  • Развернуть сервис: запустить модель на собственном сервере через vLLM для обработки запросов принятия решений.
  • Анализировать структуры: передавать JSON-записи или тексты для оценки по заданным критериям и шкалам.
  • Тестировать гипотезы: использовать для автоматизированного судейства и проверки структурированных ответов.

Пример

Запуск модели через сервер vLLM:

vllm serve skamalj/signpost-jev-4b --max-model-len 32768 --max-num-seqs 8 --logprobs-mode raw_logprobs
ПодробнееТочность на бенчмарке JevBench: easy — 0.979 (48 элементов), original — 0.875 (72 элемента), hard — 0.730 (111 элементов), общая — 0.827.
Медианная задержка: 44 мс на решение (vLLM на одной L40S).
Обучение: 2 эпохи на полном миксе данных, затем 1 короткая эпоха на сложных записях.
Лицензия: Apache-2.0.
Обсудить Telegram 0 27

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 17 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 13 GB15 GB
  • 4-bitвеса 11 GB12 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 5080 · BF16 — от RTX 4090

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.

    # skamalj/signpost-jev-4b
    # ===== 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 skamalj/signpost-jev-4b --local-dir ~/models/signpost-jev-4b
    # 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. signpost-jev-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

skamalj/signpost-jev-4b
Автор
skamalj
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

270

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Signpost-D 9B

Signpost-D 9B