/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,4 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
28 сен 2026

Qwen-3.5-4B-ASVD-Healed

Генерация текстаТекст → текст9 профессий

Сжатая методом ASVD и восстановленная LoRA языковая модель Qwen на 3,4 млрд параметров для диалога и генерации текста с длинным контекстом.

1 025скачиваний за 30 дней0лайковвеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Qwen-3.5-4B-ASVD-Healed — сжатая и восстановленная дообучением версия Qwen/Qwen3.5-4B от автора репозитория Kodjaoglanian. Это плотная причинная языковая модель для диалогов и генерации текста; архитектура Qwen3_5ForCausalLM, около 3,4 млрд параметров, контекст до 262 144 токенов. В README описан метод структурного сжатия ASVD с сохранением 85% дисперсии и последующим восстановлением LoRA rank 32; адаптеры объединены с весами, модель опубликована в bfloat16 и формате safetensors.

Модель рассчитана на обычные сценарии генерации текста и диалога, включая запуск в стандартной экосистеме Hugging Face и vLLM, в том числе на устройствах с ограниченной памятью. Карточка сообщает об использовании Wikitext-2 для калибровки; метаданные указывают английский язык. По заявлению автора, восстановление улучшает синтаксис и рассуждения после сжатия, а уменьшение числа параметров экономит видеопамять. Лицензия — Apache-2.0.

Сжатие с порогом сохранения дисперсии 85% может ухудшить запоминание редких и узкоспециализированных фактов по сравнению с базовой моделью; для высокой фактической точности в специализированных областях автор рекомендует дополнительное дообучение. В README нет количественных результатов сравнительной оценки.

Сценарии применения

  • ведение диалога с пользователем
  • генерация и продолжение текста
  • ответы на вопросы общего характера
  • развёртывание текстового помощника при ограниченной видеопамяти

Ограничения

Сжатие может снизить точность воспроизведения редких и узкоспециализированных фактов относительно базовой модели. В README не приведены количественные результаты сравнительных тестов.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen-3.5-4B-ASVD-Healed

Qwen-3.5-4B-ASVD-Healed is a structurally compressed and optimized iteration of the base Qwen/Qwen3.5-4B model. It is the result of an advanced post-training neural surgery pipeline combining Activation-Aware Singular Value Decomposition (ASVD) with a rigorous recovery phase via LoRA Healing (Pruning-Aware Fine-Tuning), operating natively in bfloat16 precision.

Architecture Overview

Traditional large language model (LLM) compression often relies on static quantization (such as INT4 or INT8), which inherently introduces dequantization latency during inference. This approach instead focuses on permanently eliminating matrix-level redundancies—removing structural noise without requiring external decoders, custom kernels, or specialized runtimes.

The surgical process was executed on high-performance infrastructure (NVIDIA A40 48GB VRAM), utilizing the Wikitext-2 dataset for long-context calibration to maximize the retention of logical reasoning and routing capabilities.

The Compression Pipeline

  1. Activation Profiling (RMS Scaling): The base model was calibrated using 2048-token batches from Wikitext-2 to extract the Root Mean Square (RMS) of activations across critical linear layers (q_proj, k_proj, v_proj, o_proj, down_proj). These values acted as scaling factors to protect essential routing pathways and penalize inactive weights.
  2. ASVD Guided Amputation: SVD factorization was applied directly on the GPU, enforcing a strict 85% variance retention threshold ($W \approx U_k \Sigma_k V_k^T$). The layers were restructured into bottleneck sequential layers, resulting in a significant absolute reduction of total parameters.
  3. Neural Healing (LoRA): To reverse the aphasia and syntactic degradation caused by aggressive pruning, LoRA adapters (Rank 32, Alpha 64) were injected into all linear layers. The model underwent micro-batch gradient accumulation fine-tuning to rebuild severed neural bridges. Finally, the adapters were permanently merged back into the base weights (merge and unload), outputting a pure, standalone bfloat16 artifact.

Technical Specifications

  • Base Model: Qwen/Qwen3.5-4B
  • Precision: bfloat16 (Native)
  • Target Layers: q_proj, k_proj, v_proj, o_proj, down_proj
  • Variance Threshold: 85%
  • LoRA Configuration: Rank 32, Alpha 64, Dropout 0.05
  • Calibration Dataset: Wikitext-2 (2048-token context)

Usage

The model is fully compatible with the standard Hugging Face ecosystem and functions exactly like any causal language model. No custom inference code is required.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Kodjaoglanian/Qwen-3.5-4B-ASVD-Healed"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, 
    torch_dtype=torch.bfloat16, 
    device_map="auto"
)

prompt = "The most important concept in quantum physics is"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(
        **inputs, 
        max_new_tokens=60, 
        do_sample=True, 
        temperature=0.7
    )

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Advantages and Limitations

Operational Advantages:

  • Native Inference: Zero runtime dequantization overhead. It works out-of-the-box with standard inference engines, vLLM, and pipelines.
  • VRAM Efficiency: The absolute reduction in matrix parameters frees up valuable VRAM, enabling larger context windows and denser batch sizes in edge AI or memory-constrained environments.

Limitations:

  • While general syntax, grammar, and logical reasoning were fully restored by the LoRA healing phase, the 85% variance retention threshold means that highly esoteric or niche factual recall may exhibit slight degradation compared to the uncompressed 4B base model. For production use cases demanding strict factual accuracy in specialized domains, downstream fine-tuning of this compressed artifact is advised.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
3817f84

0 моделей