KnowLine-12B-Gen1 / README.zh.md
PEScn's picture
Release KnowLine-12B-Gen1
3fb51f0
|
Raw History Blame Contribute Delete
12.8 kB

KnowLine-12B-Gen1

PelaAI System One 决策模型的 12B Gen1 版本:12B 参数,与 KnowLine 系列其他模型一样,在一台一体机上,由同一个 Agent 驱动的数据迭代与研究循环训练出来。以"读两遍"方式推理。

推理说明 · English · 权重 Apache-2.0 · 同系列:KnowLine-26B-A4B-Gen2.5、KnowLine-35B-A3B-Gen1.5 · 同系列:KnowLine-31B-Gen1.5

亮点:

  • Decision Index 0.3 公开套件:69.37(自测)。KnowLine-35B-A3B-Gen1.5 和 KnowLine-26B-A4B-Gen2.5 在同一套件、同样的推理方式下分别为 70.72 和 68.21,见横向对比。
  • 校准过的概率: 权重里折入了一个温度(在留出数据上拟合)。按榜单的方法在公开套件上计算,ECE 约 0.005–0.009,Brier 分数约 0.243–0.264(KnowLine-26B-A4B-Gen2.5 为 0.013-0.018 和 0.24-0.27),见校准。

KnowLine 是独立开发的模型,与 TypeSafe、Jev 或 Google 没有隶属关系,未获其背书,也不是基于 TypeSafe 或 Jev 开发的。

它做什么

你发送一段状态(文本或对话)和最多 64 道带类型的问题:是/否、k 选一、按细则打分。模型对每道题给出各选项的概率分布:

  • 每道题只做一次前向计算,不生成文本;
  • 生成的是各选项标签 token 的概率;
  • 现有 Jev 客户端只需修改 base URL 即可接入;其他 KnowLine 模型的用户换模型名即可,接口不变。
底座模型 google/gemma-4-12B-it(Apache-2.0):稠密模型,约 12B 参数
训练 LoRA 监督微调,训练语言模型部分,合并为 bf16 权重(见Gen1 是怎么做出来的)
发布格式 bf16 权重(约 23.9 GB),最后一层 norm 的权重和最终 logit 的软上限里折入了读出温度 T = 1.47(见校准);前端按等效温度 1.0 读出打分题(temperatures.json)。视觉相关嵌入张量与底座模型相同;分词器是 Gemma 4。
推理 serve_knowline.sh:和 26B-A4B 一样,SGLang 以 bf16 运行;knowline_server.py 把较短的请求读两遍,与 KnowLine-26B-A4B-Gen2.5 和 KnowLine-35B-A3B-Gen1.5 相同(默认开启;--no-read-twice 则每个请求只读一遍)。SGLang 默认占用 GPU 显存的 85%(MEM),权重约 23.9 GB。本次 DI 评测使用 H20 96G。
语言 英文、简体中文、繁体中文

快速开始

pip install "sglang==0.5.21" "transformers==5.12.1" requests
bash serve_knowline.sh PelaAI/KnowLine-12B-Gen1 0 8080          # SGLang(bf16)监听 :9080,/v1/systemone 监听 :8080
curl -s http://127.0.0.1:8080/v1/systemone -H 'Content-Type: application/json' -d '{
  "model": "m",
  "state": "Customer: my order arrived broken, I want my money back.",
  "questions": {"refund": {"type": "noul", "instructions": "Should the agent offer a refund?"},
                "tone": {"type": "choice", "instructions": "Customer tone?",
                         "criteria": {"angry": "Angry", "neutral": "Neutral", "happy": "Happy"}}}}'
  • 前端: knowline_server.py,旁边放 knowline_layout.py;两者只依赖 transformers 和 requests。文本请求的渲染与 KnowLine-26B-A4B-Gen2.5 的前端逐条 prompt 相同。
  • 完整设置: 我们跑 Decision Index 时的完整设置见 INFERENCE.md。

Gen1 是怎么做出来的

  • 底座模型: google/gemma-4-12B-it(Apache-2.0),稠密模型。
  • 训练: 用 LoRA 适配器训练语言模型部分(rank 32,alpha 64,只训语言模型部分,一个 epoch),合并为 bf16 权重。训练样本包括由 LLM 教师模型编写和标注的决策任务,按 Gemma 的对话模板渲染。
  • 推理方式和温度: 与 KnowLine-26B-A4B-Gen2.5 和 KnowLine-35B-A3B-Gen1.5 一样以读两遍方式推理。在这种推理方式下,在留出数据上拟合出一个读出温度 T = 1.47,折入权重。它改变概率的大小,不改变排第一的选项。

训练数据不包含在本仓库中。

横向对比

下表为 Decision Index 的分数。从 Decision Index 0.4 起,榜单总分由同技能私有测试(60%)和新领域私有任务(40%)组成;公开套件分数仍然显示,但不再计入总分。本模型目前还没有榜单条目。

模型 规模 DI 0.3 公开分 DI 0.4.1 总分 来源
KnowLine-12B-Gen1 12B 69.37 尚未评分 自测,官方工具
karpo-decision-31B 约 31.3B 75.05 73.86 榜单
GLiDE 27B 约 26.1B 72.49 73.37 榜单
REAX 1.3 约 57.4B 73.71 72.64 榜单
Logits Sigma-1 Duo 约 57.4B 72.93 72.28 榜单
Copernicus-31B 约 31.3B 70.37 72.11 榜单
KnowLine 31B Gen1.5 约 31.3B 70.50 71.91 榜单
Copernicus-57B 约 57.4B 75.34 71.80 榜单
FlexDM-LoRA 2.1 · Gemma-4-31B 约 31.3B 68.99 71.61 榜单

榜单行取自 Decision Index 官方数据,更新于 2026-11-12。

各领域的公开套件 skill(DI 0.3,三者都以读两遍方式推理):

领域 KnowLine-12B-Gen1 KnowLine-26B-A4B-Gen2.5 KnowLine-35B-A3B-Gen1.5
知识与推理 54.1 55.1 55.0
语言 69.9 71.2 72.9
检索与路由 74.6 70.9 75.4
工具与 Agent 87.9 83.3 88.2
艺术与品味 63.0 61.4 64.2

版本记录

模型在自我演进的循环里训练,之后还会有新版本。

模型 版本日期 DI 0.3 公开分 说明
KnowLine-31B-Gen2 2026-11-13 73.00 31B 第二版
KnowLine-12B-Gen1(本模型) 2026-11-13 69.37 12B 第一版
KnowLine-9B-Gen2 2026-11-13 69.00 9B 第二版
KnowLine-31B-Gen1.5 2026-11-04 70.50 Gen1 的权重;读两遍,长请求加问题列表
KnowLine-2B-Gen1 2026-10-29 52.23 2B 第一版
KnowLine-0.8B-Gen1 2026-10-29 44.51 0.8B 第一版
KnowLine-9B-Gen1 2026-10-25 65.67 9B 第一版
KnowLine-31B-Gen1 2026-10-24 70.13 31B 第一版
KnowLine-26B-A4B-Gen2.5 2026-10-22 68.21 Gen2 的权重,读两遍推理
KnowLine-35B-A3B-Gen1.5 2026-10-22 70.72 35B-A3B Gen1 的权重,读两遍推理
KnowLine-4B-Gen5.5 2026-10-22 66.75 Gen5 的权重,读两遍推理
KnowLine-4B-Gen5 2026-10-21 65.67 4B,第五版
KnowLine-26B-A4B-Gen2 2026-10-19 66.94 26B-A4B,第二版
KnowLine-26B-A4B-Gen1 2026-10-19 65.76 第一个基于 Gemma 4 的版本
KnowLine-35B-A3B-Gen1 2026-10-12 69.49 35B-A3B 第一版
KnowLine-4B-Gen4 2026-10-10 64.90 4B,第四版
KnowLine-4B-Gen3 2026-10-09 63.11 4B,第三版
KnowLine-4B-Gen2 2026-10-08 62.54 4B,第二版
KnowLine-4B-Gen1 2026-10-07 60.47 4B,第一版

评测

以下结果均为自测,没有经过第三方核实。本模型的所有数字都通过它的发布前端测得(读两遍开启)。26B-A4B-Gen2.5 和 35B-A3B-Gen1.5 的数字来自它们发布时用同一前端做的评测。

图片输入(零样本)

  • 没有图片训练: 视觉相关嵌入张量是底座模型的,未做改动,训练中也没有见过图片。knowline_server.py 接受对话状态里 OpenAI 风格的 image / image_url 内容块并传给 SGLang;每道题仍然只做一次 prefill。带图片的请求只读一遍(读两遍只作用于纯文本请求)。

校准

在 0.3 公开套件上按 Decision Index 榜单描述的方法计算:每个字段判对错,置信度取所选选项的概率,各基准等权,分 10 个等宽区间。

指标 12B-Gen1 26B-A4B-Gen2.5 35B-A3B-Gen1.5
ECE(越低越好) 0.005–0.009 0.013-0.018 0.03-0.04
Brier 分数(越低越好) 0.243–0.264 0.24-0.27 0.24-0.26
置信度 ≥95% 却答错 0.7% 0.9% 1.5%
平均置信度 / 准确率 0.80–0.81 / 0.80–0.82 0.82-0.83 / 0.80-0.82 0.85-0.86 / 0.81-0.83
  • 权重里的温度: 最后一层 norm 的权重和最终 logit 的软上限里折入了读出温度 T = 1.47,它是在读两遍推理方式下在留出数据上拟合出来的,所以每个最终 logit 在对选项标签做 softmax 之前都除以 1.47。排第一的选项不变。
  • 打分题按温度 1.0 读出: serve_knowline.sh 传入 temperatures.json({"score": 0.6803}),前端把打分(细则)题的 logit 再除以 0.6803,即按等效温度 1.47 × 0.6803 = 1.0 读出;是/否题和选择题仍为 1.47。打分题常按量表上的期望值读出,温度越高,期望值越被拉向中间。这是推理设置,不是权重改动,之前的 KnowLine 版本已有使用;启动 knowline_server.py 时不传 --temperatures(或 knowline_engine.py 用 --option temperatures=none),则所有题都按 1.47 读出。
  • 为什么给范围: 榜单没有公布校准用的是哪些基准,所以和之前的版本一样,我们给出在各种可能的基准组合下的范围。
  • 建议: 如果你的用法依赖概率阈值,请在自己的数据上检查校准。

披露

  • 去污染: 本次训练数据组装时做了标准和严格两种去污染检查,组装阶段删除了 63,444 行。
  • 教师模型标注的合成数据: 我们的合成任务由 LLM 教师模型编写和标注。标签经过了过滤,但并非全部经过人工检查。
  • 公开套件: Decision Index 公开套件是公开的;榜单的私有测试分数可能更低。

局限

  • 规模和速度: bf16 权重约 23.9 GB,且是稠密模型,每个 token 都用到全部 12B 参数;本次服务使用 96 GB H20。单张 H20、一次一个请求,中位数 178.2 ms、平均 404.2 ms(第 95 百分位 1,631.5 ms;本次发布冒烟 30 个请求),KnowLine-26B-A4B-Gen2.5 的历史记录为 66.3 ms 和 151 ms,见 INFERENCE.md。
  • 读两遍: 不超过 3,000 token 的纯文本请求会写两遍,在 Decision Index 套件上 prompt token 约为 1.54 倍。如果延迟更重要,可以用 --no-read-twice;本模型卡里我们没有评测过不读两遍的情况。
  • 植入的指令: 本模型可能被输入里植入的指令带偏;请把不可信内容放在状态的数据字段里,不要放进指令,并清楚地隔开。
  • 校准: 概率在平均意义上是校准的,并非在每个领域都如此;请在自己的数据上检查校准。
  • 图片: 没有做过图片训练,请在自己的数据上检查图片用法。
  • 其他攻击: 其他提示注入手法仍可能奏效。
  • 私有测试: 榜单的私有测试分数可能低于公开套件。

引用

@misc{knowline12bgen1,
  title  = {KnowLine-12B-Gen1: a 12B decision model},
  author = {PelaAI},
  year   = {2026},
  url    = {https://huggingface.co/PelaAI/KnowLine-12B-Gen1}
}

许可

  • 权重: Apache-2.0,与底座模型相同。
  • 底座模型的许可: google/gemma-4-12B-it 以 Apache-2.0 发布,见 Google 的许可页面 ai.google.dev/gemma/docs/gemma_4_license。
  • 代码: knowline_server.py、knowline_layout.py 和 knowline_engine.py 为 MIT 许可(见文件开头)。