Machine learning chat

⚡️ Только что вышла первая reasoning model с открытым исходным кодом от Alibaba ⚡️ QwQ-32B-Preview: экспериментальная ризонинг-модель от Qwen. QwQ (Qwen with Questions) – экспериментальная исследовательская модель, разработанная Qwen Team с фокусом на развитие способности рассуждения. QwQ отличается любознательностью, подходя к каждой проблеме – будь то математика, программирование или знания о мире – с подлинным удивлением и сомнением. Прежде чем остановиться на каком-либо ответе, модель подвергает сомнению свои собственные предположения, исследуя разные пути рассуждений в поисках более глубокой истины. QwQ-32B-Preview, предварительная версия модели, которая демонстрирует аналитические способности в математике и программировании, показывая топовые результаты в тестах: 🟢65.2% на GPQA (тест на решение научных задач на уровне выпускника); 🟢50.0% на AIME (оценка математических способностей); 🟢90.6% на MATH-500 (тест на понимание математики по различным темам); 🟢50.0% на LiveCodeBench (тест на навыки программирования в реальных сценариях). Архитектура QwQ основана на transformers с использованием RoPE, SwiGLU, RMSNorm и Attention QKV bias. Модель имеет 32.5 млрд. параметров, 64 слоя и 40 attention heads для Q и 8 для KV. Контекст модели - 32 768 токенов. ⚠️ Как у любого эксперимента, у QwQ есть ограничения: 🟠Модель может смешивать языки или переключаться между ними неожиданно, влияя на четкость ответов. 🟠QwQ склонна входить в циклические шаблоны рассуждений, что приводит к длинным ответам без окончательного результата. ⚠️ Сообществом LM Studio опубликованы квантованные версии в формате GGUF в разрядности от 3-bit (17.2 Gb) до 8-bit (34.8 GB), совместимые для запуска в llama.cpp (release b4191) и LM Studio. ▶️Пример инференса на HF Transformers: from transformers import AutoModelForCausalLM, AutoTokenizer model_name = "Qwen/QwQ-32B-Preview" model = AutoModelForCausalLM.from_pretrained( model_name, torch_dtype="auto", device_map="auto" ) tokenizer = AutoTokenizer.from_pretrained(model_name) prompt = "How many r in strawberry." messages = [ {"role": "system", "content": "You are a helpful and harmless assistant. You are Qwen developed by Alibaba. You should think step-by-step."}, {"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) generated_ids = model.generate( **model_inputs, max_new_tokens=512 ) generated_ids = [ output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids) ] response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0] 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Модель 🟡Набор GGUF версий 🟡Demo 🟡Сообщество в Discord #AI #ML #LLM #QwQ #Qwen @data_analysis_ml