К содержимому
Компьютерное зрение

XLL Acts Qwen3.5-9B

файнтюн для структурного анализа текстов федеральных актов

2 мин чтенияобновлено

Экспериментальный чекпоинт на базе модели Qwen/Qwen3.5-9B (9.41 млрд параметров), обученный на федеральных актах США для задач структурирования текстов. Модель обучена принимать на вход проиндексированный текст документов и выводить результаты в соответствии с системным промптом и контрактом вывода. Не является производственной сборкой и не гарантирует юридическую или семантическую точность. Подойдет исследователям, работающим с разбором длинных официальных и юридических документов.

Ключевые особенности

  • Базируется на свежей модели Qwen3.5-9B с поддержкой контекста до 32 768 токенов.
  • Прошла обучение на 3 900 федеральных актах, развернутых в 10 960 чат-презентаций (2 эпохи, 5 480 обновлений оптимизатора).
  • Обучение велось с использованием потерь только для завершения (completion-only loss) и сфокусировано на структурной разметке.
  • Загружается в нативном FP32 формате с возможностью BF16 каста при инференсе, без использования дополнительных адаптеров или квантования.

Что можно сделать

  • Применять для экспериментов по структурированию и разбору объемных текстовых документов и официальных актов.
  • Запускать пайплайны обработки текста с использованием библиотеки transformers и чат-шаблонов модели.
  • Тестировать работу модели с индексированными текстовыми последовательностями в рамках заданного контекста.

Пример

import json, re
from pathlib import Path
import torch
from huggingface_hub import HfApi, hf_hub_download
from transformers import AutoTokenizer, AutoModelForImageTextToText

repo = "thurstonpowers/xll-acts-qwen3.5-9b"
revision = HfApi().model_info(repo, revision="acts-20261118").sha
system = Path(hf_hub_download(repo, "PROMPT_TRAINED.txt", revision=revision)).read_text()
raw = Path("act.txt").read_bytes().decode("utf-8")
parts = [f'{m.start()}:{m.end()}|{json.dumps(m.group(), ensure_ascii=True)}'
         for m in re.finditer(r'\s+|\w+|[^\w\s]', raw) if m.group().strip(' ')]
indexed = f"Document type: acts. Text length: {len(raw)} Unicode characters.\n" + "\n".join(parts)
tokenizer = AutoTokenizer.from_pretrained(repo, revision=revision, trust_remote_code=False)
ids = tokenizer.apply_chat_template([
    {"role": "system", "content": system}, {"role": "user", "content": indexed}],
    tokenize=True, add_generation_prompt=True, enable_thinking=False, return_dict=False)
max_new_tokens = 16384
if len(ids) + max_new_tokens > 32768:
    raise ValueError("Whole input plus output reserve exceeds trained context; do not truncate")
model = AutoModelForImageTextToText.from_pretrained(repo, revision=revision,
    dtype=torch.bfloat16, attn_implementation="sdpa", trust_remote_code=False).to("cuda").eval()
input_ids = torch.tensor([ids], device="cuda")
with torch.inference_mode():
    result = model.generate(input_ids=input_ids, attention_mask=torch.ones_like(input_ids),
        max_new_tokens=max_new_tokens, do_sample=False, use_cache=True,
        pad_token_id=tokenizer.pad_token_id or tokenizer.eos_token_id)
text = tokenizer.decode(result[0, len(ids):], skip_special_tokens=True)
prediction = json.loads(text)
ПодробнееБенчмарк на 200 актах (100 CT + 100 федеральных): 143/200 (71.5%) дали структурировано-валидное дерево, 55 — невалидный вывод, 2 — ограничение генерации.
Тестирование проводилось на RTX 5090 с BF16, batch one, greedy, flash SDP (context 65 536 токенов, до 16 384 выходных токенов).
Обучение выполнено на базе библиотеки transformers 5.15.1 и PyTorch 2.13.0+cu130.
Распространяется под лицензией Apache-2.0.
Обсудить Telegram 0 285

Запустится ли?

Запустится в BF16

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

  • F32веса 35 GB · готовые файлы39 GB
  • BF16веса 18 GB20 GB
  • FP8 / INT8рекомендуемвеса 8.8 GB10 GB
  • 4-bitвеса 4.9 GB5.9 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 2080 Ti

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.

    # thurstonpowers/xll-acts-qwen3.5-9b
    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 thurstonpowers/xll-acts-qwen3.5-9b --local-dir ~/models/xll-acts-qwen3.5-9b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к xll-acts-qwen3.5-9b
  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/Qwen3.5-9B
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. xll-acts-qwen3.5-9b

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

thurstonpowers/xll-acts-qwen3.5-9b
Автор
thurstonpowers
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

2850

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

jasmine-yomi-2b

jasmine-yomi-2b