/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
26 сен 2025

HiPO-8B

Генерация текстаТекст → текст9 профессий

Диалоговая модель на базе Qwen3-8B, обученная для выбора между подробным рассуждением и кратким ответом при генерации текста.

232скачиваний за 30 дней30лайковвеса обновлены4 ноя 2025

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

Kwaipilot/HiPO-8B — диалоговая языковая модель Kwaipilot, дообученная на базе Qwen/Qwen3-8B методом, связанным с фреймворком HiPO (Hybrid Policy Optimization for Dynamic Reasoning). Модель предназначена для генерации ответов с управляемым рассуждением: она может выбирать между режимом Think-on с рассуждением и Think-off без него, чтобы сочетать точность с экономией токенов.

Модель имеет плотную архитектуру Qwen3ForCausalLM и около 7,6 млрд параметров, работает с текстом и поддерживает контекст до 40 960 токенов. В README описан структурированный формат ответов, в котором путь рассуждения представлен явно. В экспериментах авторы HiPO сообщают об улучшении точности и сокращении длины ответов и частоты включения рассуждений; эти результаты относятся к описанному подходу и не гарантируют аналогичный эффект в каждом сценарии.

Репозиторий распространяется по лицензии Apache-2.0. README не уточняет языковой охват и не приводит отдельной оценки качества именно этого чекпойнта.

Сценарии применения

  • генерация диалоговых ответов с управляемым рассуждением
  • краткие ответы на простые вопросы с экономией токенов
  • подробный разбор сложных вопросов
  • интеграция языковой модели в чат-приложения

Ограничения

В README нет оценки качества именно этого чекпойнта или сведений о поддерживаемых языках. Заявленные улучшения приведены для экспериментов HiPO и могут не повторяться на других задачах.

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

HIPO: Hybrid Policy Optimization for Dynamic Reasoning in LLMs


This work is a companion to our earlier report HiPO: Hybrid Policy Optimization for Dynamic Reasoning in LLMs, where we first introduced the AutoThink paradigm for controllable reasoning. While KAT-V1 outlined the overall framework of SFT + RL for adaptive reasoning, this paper provides the detailed algorithmic design of that training recipe.


Overview

We introduce HiPO (Hybrid Policy Optimization for Dynamic Reasoning in LLMs), a novel RL framework designed to enable models to decide when to “think” (i.e., Think-on)and when to skip reasoning (i.e., Think-off), thereby striking a balance between correctness and efficiency.

HIPO has two main components:

  • Hybrid Data Pipeline – Collects both think-on and think-off responses, categorizes queries by difficulty, and uses a strong model (e.g., DeepSeek-V3) to generate explanations that justify mode choices.
  • Hybrid Reward System – Combines rewards for both modes, with bias adjustment to prevent overuse of long reasoning and mode-aware advantage functions to align decisions with performance gains.

Kim 2025-09-26 145531

Experimental Findings

Think-on Only (Overthinking).
Training only on Think-on data makes the model reason on all problems, causing inefficiency.

GRPO.
Improves accuracy by +3.1%, but increases token length on simple tasks.

Think-on/Think-off Mix.
Yields higher accuracy (+4.0%) while reducing token length (–10.8%) and thinking rate (–22%).

HiPO Advantage.
Achieves the best results: +6.2% accuracy, –30% token length, –39% thinking rate, outperforming existing methods in both efficiency and accuracy.

Kim 2025-09-26 145349

Data Format

HiPO produces responses in a structured template that makes the reasoning path explicit and machine-parsable. Two modes are supported:

Kim 2025-09-26 145842

Quick Start

from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "Kwaipilot/HiPO-8B"

# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

# prepare the model input
prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# conduct text completion
generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768,
    temperature=0.6,
    top_p=0.95,
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist() 
content = tokenizer.decode(output_ids, skip_special_tokens=True).strip("\n")
print("prompt:\n", prompt)
print("content:\n", content)

Citation

@article{Zhan2025HiPO,
  title={HiPO: Hybrid Policy Optimization for Dynamic Reasoning in LLMs},
  author={Ken Deng, Zizheng Zhan, Wen Xiang, Wenqiang Zhu and others},
  year={2025},
  institution={arXiv preprint arXiv:2509.23967},
  number={arXiv:2509.23967},
  url={https://arxiv.org/abs/2509.23967}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
65de90a

0 моделей