К содержимому
Другое

ProofKV-scorer

модель для компиляции цепочек доказательств в KV-память

2 мин чтенияобновлено

ProofKV-scorer — это набор чекпоинтов кросс-энкодера (cross-encoder) на базе модели microsoft/MiniLM-L12-H384-uncased с примерно 33 миллионами параметров, созданный для исследовательского проекта ProofKV из доклада на EACL 2027. Модель читает документ один раз, находит и оценивает релевантные текстовые фрагменты и связи между ними, формируя переиспользуемую доказательную базу для систем вопрос-ответ (QA). В отличие от стандартных методов полного сканирования контекста, она позволяет отбирать цепочки фактов под жесткий лимит KV-памяти и передавать их в декодер. Инструмент пригодится исследователям и разработчикам, работающим с многошаговым поиском информации по длинным документам и оптимизацией работы LLM.

Ключевые особенности

  • Три специализированные головы: начальная и конечная для оценки текстовых диапазонов относительно вопроса, а также девятипозиционная связующая голова для парных фрагментов.
  • Компактный размер: 12-слойная архитектура с 384 скрытыми состояниями (~33 млн параметров), инициализированная из MiniLM.
  • Готовые чекпоинты: финальная интерполированная версия для широкого спектра задач и отдельный чекпоинт, обученный на реплеях MuSiQue.
  • Интеграция с репозиторием: полная совместимость со скриптами релиза ProofKV для верификации и тестирования селекторов.

Что можно сделать

  • Исследование QA: воспроизвести эксперименты из научной работы по компиляции цепочек доказательств для структурированного поиска ответов.
  • Интеграция с декодерами: подключить скорер к моделям вроде Qwen2.5-14B для тестирования работы с упакованными контекстами и дистракторами.
  • Анализ retrieval: запускать оценку пропущенных шагов, итеративный поиск и генерацию матриц с фиксированным бюджетом байт.

Пример

from huggingface_hub import snapshot_download

snapshot_download("XingjianZhangDev/ProofKV-scorer", local_dir="checkpoints",
                  allow_patterns=["proofkv_scorer_*/*"])

from proofkv.proofcache.model import TypedRelationScorer
scorer, tokenizer = TypedRelationScorer.load_checkpoint("checkpoints/proofkv_scorer_final", device="cuda")
ПодробнееБенчмарки: пятизадачный набор из статьи, включая HotpotQA, 2WikiMultiHopQA и MuSiQue.
Обучение: оптимизатор AdamW с шагом обучения 2e-5, вес затухания 0.01, размер батча 48, клиппинг градиента 1.0.
Ограничения: максимальная длина входа составляет 320 токенов; модель предназначена для английского языка.
Лицензия: MIT.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 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 2060

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.

    # XingjianZhangDev/ProofKV-scorer
    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 XingjianZhangDev/ProofKV-scorer --local-dir ~/models/ProofKV-scorer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ProofKV-scorer
  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

microsoft/MiniLM-L12-H384-uncased

Новые посты про версии MiniLM-L12-H384-uncased — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 11Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

XingjianZhangDev/ProofKV-scorer
Автор
XingjianZhangDev
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Atlas-5K 25M

Atlas-5K 25M
Другое

zils-lite-dh18

zils-lite-dh18