К содержимому
Другое

cradle-dialogue-qwen3.8-27b-2epoch

детектор кризисных состояний в диалоге

2 мин чтенияобновлено

Полный файнтюн (полное дообучение всех весов модели) на базе языковой модели Qwen/Qwen3.8-27B размером 27.36 млрд параметров от автора SungJoo. Модель решает задачу пошагового анализа многоходовых диалогов на английском языке и определяет, содержит ли текущая реплика пользователя признаки кризисного состояния в сфере ментального здоровья. В отличие от базовой Qwen3.8-27B, этот чекпоинт обучен выдавать строго одну строку со структурированными метками тревоги и подтверждения без лишнего текста, учитывая историю беседы и свои предыдущие оценки. Пригодится исследователям в области clinical NLP и разработчикам, тестирующим алгоритмы безопасности и модерации диалоговых систем.

Ключевые особенности

  • Пошаговая классификация реплик: анализирует историю диалога и предыдущие предсказания, но присваивает метку исключительно последнему сообщению пользователя.
  • Строгий формат вывода: возвращает ровно одну строку — none или одну либо несколько меток через точку с запятой (например, alert_ongoing, confirm_SI_passive_ongoing, confirm_DV_ongoing; confirm_RA_past).
  • Обучение на синтетическом корпусе: модель дообучена на датасете CRADLE-Dialogue из 3 058 диалогов (48 557 реплик), сгенерированных на основе постов Reddit с помощью GPT-5.
  • Учёт блока размышлений: использует шаблон чата Qwen3.8 с тегом , после которого следует итоговая метка классификации.

Что можно сделать

  • Исследовать безопасность диалоговых ИИ: использовать чекпоинт в научных экспериментах по раннему выявлению кризисных сигналов в многоходовых переписках.
  • Сравнить поколения базовых моделей: сопоставить качество классификации с родственной версией cradle-dialogue-qwen3-32b-2epoch, обученной на тех же данных и гиперпараметрах.
  • Автоматизировать разметку диалогов: интегрировать в исследовательские пайплайны на базе transformers для пошаговой аннотации текстовых сессий.

Пример

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "SungJoo/cradle-dialogue-qwen3.8-27b-2epoch"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto", trust_remote_code=True)
# После генерации с chat_template отбрасываем блок размышлений:
label = response.split("")[-1].strip()
ПодробнееЧекпоинт второй эпохи (шаг 3208 из 3 эпох) с максимальной длиной контекста 4096 токенов.
Обучалась в точности bfloat16 на двух GPU NVIDIA H200 с learning rate 5e-6 и эффективным батчем 16.
Предназначена исключительно для исследований в области clinical NLP и не заменяет профессиональную помощь.
Обсудить Telegram 0 25

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 51 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 25 GB29 GB
  • 4-bitвеса 14 GB16 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.

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.

    # SungJoo/cradle-dialogue-qwen3.8-27b-2epoch
    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 SungJoo/cradle-dialogue-qwen3.8-27b-2epoch --local-dir ~/models/cradle-dialogue-qwen3.8-27b-2epoch
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к cradle-dialogue-qwen3.8-27b-2epoch
  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/Qwen3.8-27B

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

SungJoo/cradle-dialogue-qwen3.8-27b-2epoch
Автор
SungJoo
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии