/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B
Библиотека
transformers
Опубликована
28 июл 2026

Qwen-3B-ASVD-Healed

Генерация текстаТекст → текст8 профессий

Сжатая методом ASVD и восстановленная LoRA-модель Qwen2.5-3B для генерации английского текста и диалогов с уменьшенными требованиями к памяти.

800скачиваний 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-3B-ASVD-Healed — сжатая и восстановленная дообучением версия Qwen/Qwen2.5-3B от автора Kodjaoglanian. Это плотная авторегрессионная Transformer-модель семейства Qwen2 для генерации текста и диалогов. Структурное сжатие методом Activation-Aware SVD сократило число параметров в целевых слоях, а LoRA Healing использовался для восстановления связности генерации; адаптеры объединены с весами. В репозитории доступны веса Safetensors и GGUF, включая варианты F16 и Q4_K_M. Модель содержит около 3,1 млрд параметров, поддерживает контекст до 32 768 токенов и ориентирована на английский язык.

Модель рассчитана на запуск в средах Hugging Face Transformers и на сценарии, где важны сниженные требования к памяти и вычислениям, включая развёртывание на устройствах с ограниченными ресурсами. Автор сообщает о сохранении FP16 и структурном удалении избыточных весов без необходимости динамической деквантизации. Лицензия — Apache-2.0.

Сжатие с удержанием 85% дисперсии может ухудшить извлечение редких и специализированных фактов по сравнению с исходной Qwen2.5-3B. README рекомендует дополнительное дообучение для применений, где важна высокая фактическая точность в узкой предметной области.

Сценарии применения

  • генерация ответов в англоязычном чат-боте
  • развёртывание языковой модели на устройствах с ограниченной памятью
  • создание черновиков и продолжение текста
  • локальный инференс модели в FP16 или GGUF

Ограничения

Удержание 85% дисперсии при сжатии может несколько ухудшить извлечение редких и специализированных фактов относительно базовой модели. Для задач со строгими требованиями к фактической точности в узкой области может потребоваться дополнительное дообучение.

Для каких профессий подходит8

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-3B-ASVD-Healed: Structural Compression via Activation-Aware SVD

Architecture Summary

Qwen-3B-ASVD-Healed is a natively compressed iteration of the Qwen/Qwen2.5-3B architecture. This model serves as an empirical validation of a post-training structural compression pipeline that combines Activation-Aware Singular Value Decomposition (ASVD) with Pruning-Aware Fine-Tuning (LoRA Healing).

The objective of this architecture is to reduce the memory footprint and computational overhead of dense Transformer models without relying on static quantization formats (e.g., INT4/INT8), which often introduce dequantization latency during inference. By isolating and eliminating redundant weights at the matrix level, this model permanently removes 163,045,888 parameters while maintaining native FP16 precision.

The Compression Pipeline

The artifact was generated through a three-stage hardware-aware pipeline designed to execute within strict VRAM constraints (16GB limit, standard T4 architecture).

1. Activation-Aware Scaling (RMS Mappping)

Standard magnitude-based pruning fails to account for the dynamic flow of language routing. To mitigate this, the base model was calibrated using a targeted dataset (TinyShakespeare) to extract the Root Mean Square (RMS) of input activations across all major dense layers (q_proj, k_proj, v_proj, o_proj, down_proj). The extracted RMS values were used as scaling factors to amplify critical routing weights and penalize inactive structural noise.

2. CPU-Offloaded Matrix Factorization (ASVD)

Applying SVD on massive 3B-parameter matrices requires transient VRAM allocation that exceeds typical 16GB GPU capacities, invariably causing Out-Of-Memory (OOM) faults. To solve this, the matrix decomposition was dynamically offloaded to the CPU. The scaled matrices were factorized enforcing a strict 85% variance retention threshold: $$W \approx U_k \Sigma_k V_k^T$$ The factorization resulted in a structural reduction of 15.77% across the targeted layers, equating to the permanent removal of 163M parameters.

3. Neural Structural Recovery (LoRA Healing)

The immediate consequence of aggressive matrix factorization is the degradation of syntactic coherence due to severed routing pathways. To recover the generative capabilities without altering the compressed base matrices, Low-Rank Adaptation (LoRA) modules (Rank 16, Alpha 32) were injected across all surviving linear layers.

The model underwent micro-batch gradient accumulation fine-tuning (2 epochs). This healing phase required only 33.3M trainable parameters (~1.12% of the network). The training rapidly stabilized the loss function, restoring logical reasoning and grammatical structures. The final step involved merging and unloading the LoRA adapters directly into the base weights, outputting a standalone FP16 model.

Quantitative Metrics

Architecture PhaseTotal ParametersTargeted Linear LayersRetained VarianceTrainable (LoRA)Format
Base Qwen-3B~3.09 Billion1.03 Billion100%0FP16
ASVD-Healed~2.96 Billion870 Million85%33.3 MillionFP16
Delta- 130M (Net)- 163M (15.77%)- 15%+ 33.3MNative

Implementation and Usage

The resulting model is structurally identical to standard causal language models in the Hugging Face ecosystem. It does not require custom inference scripts, external decoders, or quantization libraries.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Kodjaoglanian/Qwen-3B-ASVD-Healed"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, 
    torch_dtype=torch.float16, 
    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=50, 
        do_sample=True, 
        temperature=0.7
    )

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

Operational Advantages and Limitations

Advantages for Edge AI and MLOps:

  • Native Execution: The model operates entirely in FP16, avoiding the runtime computational penalty associated with dynamic dequantization processes.
  • VRAM Efficiency: The absolute reduction in parameters allows for larger batch sizes and longer context windows in VRAM-constrained hardware, optimizing throughput (Tokens Per Second) in production environments.

Limitations:

  • While structural and logical cohesion are fully restored, the 85% variance retention threshold dictates that highly specific or esoteric factual recall may exhibit slight degradation compared to the uncompressed base model. For production use cases demanding strict factual accuracy in specialized domains, subsequent 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
Qwen2ForCausalLM
Ревизия весов
5b85df6

0 моделей