К содержимому
Языковые модели

SEL Qwen 4B

точечный поиск ответа в тексте и на картинках за один проход

2 мин чтенияобновлено

Модель SEL Qwen 4B от команды spock-oss решает задачу точной локализации ответа: по заданному вопросу она оценивает фрагменты текста или области изображения и возвращает оценки релевантности с точными координатами — смещениями символов (character offsets) для текста и координатами патчей для картинок. Релиз построен на базе мультимодальной модели Qwen 3.5 4B и включает LoRA (небольшую обучаемую надстройку ранга 16 над языковой основой) вместе со специальной головой отбора (selection head). В отличие от обычных генеративных моделей, SEL не пересказывает ответ словами, а за один прямой проход через нейросеть подсвечивает нужные участки исходных данных, используя двунаправленное внимание в восьми полных слоях. Пригодится разработчикам RAG-систем, систем извлечения данных из документов и мультимодального поиска, где критичны скорость и точная привязка к источнику.

Ключевые особенности

  • Работает с текстом и изображениями: оценивает релевантность исходных токенов или патчей картинки под конкретный запрос.
  • Один прямой проход (backbone pass): возвращает готовые скоры и координаты без медленной авторегрессионной генерации текста.
  • Архитектурная доработка Qwen 3.5 4B: LoRA адаптирует языковой бэкбон с двунаправленным вниманием в 8 full-attention слоях (визуальный энкодер и эмбеддинги заморожены).
  • Открытые лицензии: веса адаптера и головы отбора распространяются под лицензией MIT, а базовая модель Qwen 3.5 4B — под Apache 2.0.

Что можно сделать

  • Подсветка цитат в RAG и юридических документах: находить точные границы фрагментов в договорах и текстах с указанием позиций символов.
  • Локализация объектов и областей на скриншотах: передавать изображение через флаг --image и получать координаты нужных патчей по текстовому вопросу.
  • Масштабирование под задачи: использовать компактную версию 4B для локальных пайплайнов или перейти на старший чекпоинт sel-qwen-27b из того же релиза.

Пример

hf download spock-oss/sel-qwen-4b --local-dir ./sel-qwen-4b

CUDA_VISIBLE_DEVICES=0 python ./sel-qwen-4b/run_selection.py \
  --text 'This agreement is governed by the laws of Oregon.' \
  --query 'Which state governs this agreement?'
Подробнее Метрики на тесте (2 605 примеров, 26 задач): общий Test macro F1 — 60.85%, по тексту — 59.03%, по изображениям — 62.42%, равновзвешенный по задачам Test F1 — 65.03%.
Калиброванные пороги отсечения по умолчанию: 0.10 для текста и 0.40 для изображений (настраиваются через --threshold).
Требования и ограничения: Linux, Python 3.12, видеокарта NVIDIA (CUDA) с поддержкой BF16 и FlashAttention 2; референсный скрипт принимает до 2 048 входных токенов (включая запрос и визуальные токены).
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # spock-oss/sel-qwen-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 spock-oss/sel-qwen-4b --local-dir ~/models/sel-qwen-4b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к sel-qwen-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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии sel-qwen-4b — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

spock-oss/sel-qwen-4b
Автор
spock-oss
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии