/ Модель

Характеристики

Контекст
524 288 токенов
Параметры
8 млрд
Размер весов
18 ГБ
Лицензия
Apache 2.0
Архитектура
k2_horizon · dense
Базовая модель
K2-Horizon-7B
Библиотека
transformers
Опубликована
28 сен 2026

k2-horizon-7b-lndpo-rpo-lora-checkpoint-300

Генерация текстаТекст → текст3 профессии

Дообученная диалоговая модель K2-Horizon для ответов на вопросы по каротажным данным скважин и задач петрофизики.

132скачиваний за 30 дней0лайковвеса обновлены28 сен 2026

Бенчмарки

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

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

Это диалоговая модель для ответов на вопросы о каротажных данных скважин в области петрофизики. Она разработана на основе IFM/K2-Horizon-7B и дообучена методом DPO с нормализацией предпочтений по длине ответа и дополнительным обучением на правдоподобие выбранных ответов (RPO). LoRA-адаптер объединён с базовыми весами; опубликована версия в формате bf16.

Модель предназначена для диалогового анализа вопросов и ответов по каротажным данным. В описанном эксперименте использован набор предпочтений из 8 055 обучающих и 81 проверочной пары, с последовательностями до 65 536 токенов. По README, на проверочной выборке для шага 300 точность предпочтений составила 100%; это результат конкретной выборки, а не гарантия качества в других условиях. Модель использует архитектуру K2-Horizon и шаблон чата базовой модели, а контекстное окно составляет до 524 288 токенов.

Модель построена на 8-миллиардной плотной языковой архитектуре, поддерживает генерацию текста и распространяется по лицензии Apache-2.0. Для работы с ней README указывает Transformers версии 5.13 или выше и загрузку удалённого кода модели.

Сценарии применения

  • ответы на вопросы по каротажным данным скважин
  • интерпретация вопросов о петрофизических измерениях
  • диалоговый анализ данных каротажа
  • сравнение предпочтительных ответов на петрофизические вопросы

Ограничения

Проверочная метрика получена на небольшом наборе из 81 пары и не гарантирует качество на иных данных. Модель специализируется на вопросах по каротажным данным, поэтому её ответы для других областей следует проверять.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

K2-Horizon-7B, length-normalized DPO + RPO, LoRA (checkpoint 300)

IFM/K2-Horizon-7B (revision 446bf311), LoRA-tuned with length-normalized DPO plus an NLL (RPO) term on the chosen responses, on a petrophysics well-log question-answering preference dataset. The LoRA adapter is merged into the base weights; this repository holds the merged bf16 model.

Training

SettingValue
ObjectiveDPO with length-normalized (per-token average) log-ratios, sigmoid loss, beta 5, plus RPO: NLL on chosen responses, weight 1.0
TuningLoRA r=8, alpha=32, dropout 0.05, all linear layers (Megatron via ms-swift); merged
Data8,055 train / 81 validation preference pairs, up to 65,536 tokens
Schedulelr 1e-5, cosine to 1e-6, 5% warmup, global batch 32, Adam (0.9, 0.95), weight decay 0.1; 2-epoch schedule of 503 steps
This checkpointstep 300 (9,600 pairs, ~1.2 epochs)
Hardware16 x A100-80GB, tensor parallel 4, data parallel 4

Length normalization keeps the preference signal from saturating on length alone (chosen responses are ~3x longer than rejected ones); the RPO term keeps the chosen responses' likelihood from falling while rejected ones are pushed down.

Held-out validation at step 300 (per-token log-probability): chosen -0.566 (base -0.675), rejected -3.013 (base -0.644), preference accuracy 100%. Full fine-tuning variant of the same recipe: sambal/k2-horizon-7b-lndpo-rpo-full-checkpoint-300.

Usage

The model uses K2-Horizon's remote code and chat template unchanged, so serve it exactly like the base model (transformers >= 5.13):

vllm serve sambal/k2-horizon-7b-lndpo-rpo-lora-checkpoint-300 \
  --trust-remote-code \
  --dtype bfloat16 \
  --reasoning-parser k2_horizon

Training used the reasoning_effort="high" format (<ifm|think>...</ifm|think> before the answer), which is the chat template's default.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
K2HorizonForCausalLM
Ревизия весов
e89b7b3

0 моделей