Instructions to use PelaAI/KnowLine-31B-Gen2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use PelaAI/KnowLine-31B-Gen2 with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-classification", model="PelaAI/KnowLine-31B-Gen2")# pip install -U transformers accelerate # Load model directly from transformers import AutoProcessor, AutoModelForMultimodalLM processor = AutoProcessor.from_pretrained("PelaAI/KnowLine-31B-Gen2") model = AutoModelForMultimodalLM.from_pretrained("PelaAI/KnowLine-31B-Gen2", device_map="auto") - Notebooks
- Google Colab
- Kaggle
Download README.zh.md from PelaAI/KnowLine-31B-Gen2: direct link, hf CLI and curl.
- Browser
- Download file 12.8 kB
-
https://huggingface.co/PelaAI/KnowLine-31B-Gen2/resolve/main/README.zh.md
- Command line
-
hf download hf://PelaAI/KnowLine-31B-Gen2/README.zh.md
-
curl -L -o README.zh.md https://huggingface.co/PelaAI/KnowLine-31B-Gen2/resolve/main/README.zh.md
KnowLine-31B-Gen2
PelaAI System One 决策模型的 31B Gen2 版本:31B 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 · 上一版:KnowLine-31B-Gen1.5
亮点:
- Decision Index 0.3 公开套件:73.00(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 0.009–0.013,Brier 分数约 0.208–0.231(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-4-31B-it(Apache-2.0):稠密模型,约 31B 参数 |
| 训练 | LoRA 监督微调,训练语言模型部分,合并为 bf16 权重(见Gen2 是怎么做出来的) |
| 发布格式 | bf16 权重(约 62.5 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 = 1.27(见校准);前端按等效温度 1.0 读出打分题(temperatures.json)。视觉部分与底座模型相同;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 62.5 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-31B-Gen2 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。
Gen2 是怎么做出来的
- 底座模型: google/gemma-4-31B-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 = 1.27,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-31B-Gen2 | 31B | 73.00 | 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-31B-Gen2 | KnowLine-26B-A4B-Gen2.5 | KnowLine-35B-A3B-Gen1.5 |
|---|---|---|---|
| 知识与推理 | 62.2 | 55.1 | 55.0 |
| 语言 | 74.1 | 71.2 | 72.9 |
| 检索与路由 | 74.8 | 70.9 | 75.4 |
| 工具与 Agent | 88.8 | 83.3 | 88.2 |
| 艺术与品味 | 65.7 | 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(本模型) | 2026-11-13 | 73.00 | 31B 第二版 |
| KnowLine-12B-Gen1 | 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: 视觉塔是底座模型的,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 | 31B-Gen2 | 26B-A4B-Gen2.5 | 35B-A3B-Gen1.5 |
|---|---|---|---|
| ECE(越低越好) | 0.009–0.013 | 0.013-0.018 | 0.03-0.04 |
| Brier 分数(越低越好) | 0.208–0.231 | 0.24-0.27 | 0.24-0.26 |
| 置信度 ≥95% 却答错 | 0.8–0.9% | 0.9% | 1.5% |
| 平均置信度 / 准确率 | 0.84–0.85 / 0.83–0.85 | 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 = 1.27,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 1.27。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": 0.7874}),前端把打分(细则)题的 logit 再除以 0.7874,即按等效温度 1.27 × 0.7874 = 1.0 读出;是/否题和选择题仍为 1.27。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 1.27 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 62.5 GB,且是稠密模型,每个 token 都用到全部 31B 参数;本次服务使用 96 GB H20。单张 H20、一次一个请求,中位数 455.4 ms、平均 1032.6 ms(第 95 百分位 4,251.6 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{knowline31bgen2,
title = {KnowLine-31B-Gen2: a 31B decision model},
author = {PelaAI},
year = {2026},
url = {https://huggingface.co/PelaAI/KnowLine-31B-Gen2}
}
许可
- 权重: Apache-2.0,与底座模型相同。
- 底座模型的许可: google/gemma-4-31B-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)。