/ 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-Auto-ASVD

Генерация текстаТекст → текст7 профессий

Структурно сжатая и восстановительно дообученная версия Qwen3.5-4B для диалоговой генерации текста с длинным контекстом.

1 351скачиваний за 30 дней1лайквеса 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-Auto-ASVD — структурно факторизованная и дообученная языковая модель Kodjaoglanian на основе Qwen/Qwen3.5-4B. Она предназначена для генерации текста и диалогов; архитектура — плотная причинная Transformer-модель Qwen3.5 с гибридными слоями внимания и Gated DeltaNet. Веса сохранены в bfloat16, размер модели — 3,4 млрд параметров, длина контекста — до 262 144 токенов.

При сокращении структуры автор применил Hessian-aware оценку чувствительности, Activation-Aware SVD и последующее восстановительное LoRA-дообучение на Wikitext-2. По README, факторизованы 64 матрицы проекций, а общее число параметров уменьшено примерно на 6,86% относительно целевых матриц; адаптеры объединены с весами, поэтому отдельный адаптер и специальные инференс-ядра не требуются. Модель использует стандартный интерфейс причинной языковой модели через Transformers.

Карточка указывает английский язык. Базовая модель семейства Qwen описана как мультимодальная, но для этого репозитория подтверждены только текстовая генерация и чат, поэтому возможности понимания изображений или вызова инструментов не следует считать установленными. README предупреждает о возможном снижении качества на медицинских, юридических и специализированных задачах без дополнительной настройки. Лицензия — Apache-2.0.

Сценарии применения

  • диалоговые ответы на английском языке
  • генерация продолжения текста
  • черновики и перефразирование текста
  • ответы на длинные текстовые запросы
  • прототипирование чат-ботов на базе Qwen

Ограничения

Восстановительное дообучение проводилось на общих текстах Wikitext-2, поэтому для медицинских, юридических и специализированных задач может потребоваться дополнительная настройка. В стандартном PyTorch могут появляться предупреждения об отсутствии необязательных библиотек ускорения.

Для каких профессий подходит7

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-Auto-ASVD

Qwen-3.5-4B-Auto-ASVD is a structurally factorized and fine-tuned release of Qwen/Qwen3.5-4B. It uses an automated second-order pruning framework that combines empirical Hessian sensitivity profiling (Fisher Information) with Activation-Aware Singular Value Decomposition (ASVD) and a subsequent LoRA healing stage with cosine learning rate scheduling.

All operations were executed and merged in native bfloat16. Unlike standard uniform low-rank matrix factorizations, this variant calculates dynamic layer-by-layer variance retention targets based on loss surface curvature, avoiding arbitrary flat rank truncation across attention heads and MLP blocks.


Engineering Pipeline

1. Second-Order Curvature Profiling (Hessian Approximation)

To prevent the catastrophic degradation common in uniform pruning, gradient energy across all projection modules was sampled over long sequences (1024-token chunks) using gradient checkpointing:

$$\text{diag}(H) \approx \mathbb{E}\left[ (\nabla_W \mathcal{L})^{\circ 2} \right]$$

Modules exhibit starkly distinct curvature profiles—especially with Qwen 3.5's hybrid architecture comprising both standard attention and Gated DeltaNet layers. Rather than applying a linear scaling function dominated by extreme outliers, sensitivity scores were mapped to variance thresholds via log-smoothing:

$$\tilde{s} = \frac{\log(1 + s) - \log(1 + s_{\min})}{\log(1 + s_{\max}) - \log(1 + s_{\min}) + \epsilon}$$

$$\text{Target Variance} = 0.82 + 0.13 \cdot \tilde{s}$$

This automatically allocated higher variance budgets (up to 95.00%) to core routing paths like down_proj, while tolerating tighter truncation (down to 91.60%) on less sensitive projection matrices.

2. Scaled SVD Surgery

Each target linear operator was scaled using activation RMS values collected during forward passes:

$$W_{\text{scaled}} = W \odot s_{\text{RMS}}$$

Truncated SVD was performed on-device:

$$W_{\text{scaled}} \approx U_k \Sigma_k V_k^T$$

where the rank $k$ was resolved per matrix to satisfy the layer-specific variance budget. The factors were then mapped into sequential bottleneck layers (nn.Sequential(Linear(in, k), Linear(k, out))) and converted to bfloat16.

  • Target Layers Factored: 64 projection matrices (q_proj, k_proj, v_proj, o_proj, down_proj).
  • Parameters Excised: 47,821,312 parameters (6.86% structural reduction across target matrices).

3. LoRA Neural Healing

Following structural factorization, low-rank degradation was resolved via parameter-efficient fine-tuning on Wikitext-2:

  • Adapter Topology: Rank 32, Alpha 64 across all linear layers.
  • Optimization: AdamW (lr = 2e-4), gradient clipping (1.0), micro-batch size 1, gradient accumulation steps 16 (effective batch size 16).
  • Schedule: Cosine decay with 10% warmup over 2 epochs.
  • Loss Trajectory: Initial loss converged from 2.2911 (Epoch 1) down to 2.0432 (Epoch 2).

All adapters were permanently merged back into the base weights (merge_and_unload), producing a standalone checkpoint with zero runtime inference overhead or custom kernel dependencies.


Run Metrics

StageDetailValue
Base WeightsArchitectureQwen/Qwen3.5-4B
PrecisionRuntime / Storagebfloat16 Native
HardwareExecution NodeNVIDIA A40 (48GB VRAM)
Calibration LengthContext Window1024 tokens
Target ProjectionsLinear Modulesq_proj, k_proj, v_proj, o_proj, down_proj
Observed Variance BoundsMin / Max Allocated91.60% – 95.00%
Net Parameter ReductionPruned from Target Layers47,821,312
Final Healing LossCross-Entropy (Epoch 2)2.0432

Quickstart

This model is a drop-in replacement for any pipeline supporting standard causal language models:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

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

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=80,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
        repetition_penalty=1.15
    )

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


Limitations

  • Specialized Domain Drift: The healing phase utilized a 1024-token calibration stream from general natural language data (Wikitext-2). For domain-specific production workloads (e.g., medical diagnostics, strict syntactic code generation, legal drafting), task-specific fine-tuning on top of this checkpoint is recommended.
  • Kernel Dependencies: When running the base architecture, warnings regarding missing optional acceleration libraries (causal_conv1d, flash-linear-attention) may appear in vanilla PyTorch environments. The model defaults safely to standard reference operations without loss of accuracy.

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
f462b0e

0 моделей