К содержимому
Другое

LFM2.5-2.6B junie-harbor RL v0.3

промежуточный RL-чекпоинт для coding-агента

1 мин чтенияобновлено

Это промежуточный чекпоинт (шаг 80) модели LiquidAI/LFM2.5-2.6B, дообученной через reinforcement learning (GRPO) под работу coding-агента в CLI на задачах анализа данных. LoRA-адаптер слит с базовыми весами: в репозитории лежит полная bf16-модель и отдельный адаптер в lora-adapter/. Это не финальная модель — обучение продолжается.

Ключевые особенности

  • Обучение: асинхронный GRPO (TRL AsyncGRPOTrainer), LoRA r=32, alpha=64, все linear-слои.
  • Задачи: data-analysis из FineEnvs/SmolDataEnvs-harbor-train, отобранные по разбросу исходов.
  • Reward: корректность верификатора плюс небольшой бонус за эффективность инструментов (вес 0.1) на правильных ответах.
  • Rollouts: 8 на группу задач, temperature 1.0, до 40 вызовов модели и 1800 с на rollout.
  • Чекпоинты каждые 10 шагов; этот артефакт — шаг 80 из бюджета 1000.
  • Парная оценка с базовой моделью на held-out задачах пока не опубликована.

Пример

Сценарий из карточки: coding-agent CLI запускается headless в Docker-песочнице и решает задачи анализа данных; вызовы модели сохраняются с prompt tokens, sampled tokens и logprobs и используются как данные для обучения.

ПодробнееМетод: async GRPO + LoRA; learning rate 1e-5; 8 rollouts на группу.
Модель 2.6B и шаг 80: ожидайте скромного прироста, а не production-агента.
Перенос на другие домены не тестировался; обучение продолжается до 1000 шагов.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 5.0 GB · готовые файлы6.0 GB
  • FP8 / INT8рекомендуемвеса 2.5 GB3.3 GB
  • 4-bitвеса 1.4 GB2.1 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 2060 · BF16 — от RTX 5060 Ti 8GB

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.

    # vvsotnikov/LFM2.5-2.6B-junie-harbor-rl-v0.3
    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 vvsotnikov/LFM2.5-2.6B-junie-harbor-rl-v0.3 --local-dir ~/models/LFM2.5-2.6B-junie-harbor-rl-v0.3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к LFM2.5-2.6B-junie-harbor-rl-v0.3
  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

LiquidAI/LFM2.5-2.6B
  1. LFM2.5-2.6B-Baseоснова семьи
  2. LFM2.5-2.6B
  3. LFM2.5-2.6B-junie-harbor-rl-v0.3

Новые посты про версии LFM2.5-2.6B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 10Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

vvsotnikov/LFM2.5-2.6B-junie-harbor-rl-v0.3
Автор
vvsotnikov
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

d3-edge

d3-edge