К содержимому
Языковые модели

Qwen2.5-3B Prompt Optimizer v4

LoRA для коротких корейских запросов

2 мин чтения

Это LoRA-адаптер от Wasteland0103 в рамках проекта HUFS APPLES «Learning to Ask Better: SLM-Based Prompt Optimization». База — Qwen2.5-3B-Instruct (3B). Модель превращает короткий корейский запрос в один естественный абзац: сохраняет исходную информацию и тон и добавляет пункты, которые стоит раскрыть в ответе.

Ключевые особенности

  • Выход — один абзац без заголовков и скобок; для запросов с одним правильным ответом возвращается исходный запрос.
  • gate() пропускает только однострочные запросы ≤60 символов без ограничений на количество, формат, математику или код; остальное уходит без изменений.
  • final() принимает вывод только после faithful(): проверки формата, письменности, числа предложений, тона, покрытия исходного текста и длины; иначе возвращается оригинал.
  • Обучение: 1014 пар (902 переписанных, 112 без изменений) + 31 валидационная; данные построены с gpt-4o и gpt-4o-mini.
  • В оценке v4 не улучшила ответы статистически значимо: на WildChat win rate 47.7% против 50% у оригинала; добавленные пункты — догадки по короткому запросу.
  • QLoRA 4-bit, Unsloth; r=16, alpha=32, 3 эпохи, lr=2e-4; при генерации советуют repetition_penalty=1.0.

Пример

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer
base = 'Qwen/Qwen2.5-3B-Instruct'
tok = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained(base, dtype=torch.bfloat16, device_map='auto')
model = PeftModel.from_pretrained(model, 'Wasteland0103/qwen2.5-3b-prompt-optimizer-v4-lora')
# v4.gate(q) → генерация → v4.final(q, out); иначе вернуть q
ПодробнееБенчмарки: WildChat, 300 коротких корейских запросов — win rate 47.7% [44.3, 51.2] против 50% у оригинала; KoMT-Bench turn 1 — 5.32 против 5.20; IFEval-Ko prompt-level strict — 54.7% без изменений. Различия статистически не значимы, авторы прямо пишут: v4 не улучшает ответы.
На 162 запросах, которые v4 реально переписала, win rate 45.8%; переписывания с добавлением «자세히»/«구체적으로» выигрывали только 38.6%.
Ограничения: только корейский; добавленные пункты могут быть не по теме или слишком общими; длинные/ограниченные запросы по дизайну не меняются.
Лицензия: Qwen Research License (коммерческое использование ограничено); также действуют условия OpenAI из-за данных с выходами их моделей.
Обсудить Telegram 0 17

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.

    # Wasteland0103/qwen2.5-3b-prompt-optimizer-v4-lora
    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 Wasteland0103/qwen2.5-3b-prompt-optimizer-v4-lora --local-dir ~/models/qwen2.5-3b-prompt-optimizer-v4-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к qwen2.5-3b-prompt-optimizer-v4-lora
  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 qwen2.5-3b-prompt-optimizer-v4-lora — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Wasteland0103/qwen2.5-3b-prompt-optimizer-v4-lora
Автор
Wasteland0103
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

S³-Prompt

S³-Prompt