Instructions to use fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination")
model = AutoModelForCausalLM.from_pretrained("fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination

SGLang

How to use fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination with Docker Model Runner:
```
docker model run hf.co/fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

Qwen3-8B — Mon Espace Santé (CPT + SFT, anti-hallucination)

Variante sûre pour un service public de santé du modèle fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT. Elle conserve la connaissance factuelle (injectée par continued pre-training synthétique) et apprend à refuser les questions hors-périmètre au lieu d'inventer.

TL;DR — Par rapport au modèle précédent, le taux de refus correct sur des questions hors-périmètre passe de 12,8 % → 78,7 % (×6), pour un coût modeste sur le factuel (held-out 86,9 % → 82,2 %). Le modèle domine désormais gpt-oss-20b-FAQ-MES sur les deux axes : factuel (82,2 % vs 70,8 %) et anti-hallucination (78,7 % vs 12,8 %).

1. Comment on est passé du modèle précédent à celui-ci

Le modèle précédent (…-CPT-SFT) était excellent en factuel (86,9 % closed-book) mais hallucinait sur les questions hors-périmètre : il n'avait vu que des positives au SFT → il avait appris « réponds toujours » (refus correct ≈ 12,8 %).

Diagnostic. La connaissance vient du CPT ; le comportement de refus s'apprend au SFT (cf. Gekhman et al., arXiv:2405.05904). Il manquait donc des exemples de refus dans le SFT.

La modification (une seule). On repart du même checkpoint CPT (fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT, inchangé) et on ré-entraîne uniquement le SFT en ajoutant aux 2 771 paires positives un jeu de 588 exemples de refus (dataset) : des questions hors-périmètre associées à une réponse « je ne dispose pas de cette information », sans rien inventer, orientant vers les canaux officiels. Mélange final : 2 771 positives + 588 refus (≈ 18 %).

Tout le reste (base CPT, hyperparamètres SFT, protocole) est identique au modèle précédent.

Qwen3-8B-Base ──CPT (6M tokens synthétiques)──► Qwen3-8B-CPT ──┬─ SFT positives seules ──► modèle précédent (hallucine)
                                                               └─ SFT positives + 588 refus ──► CE MODÈLE (refuse)

2. Résultats numériques — avant / après

Évaluation closed-book identique (juge Qwen3-32B-FP8) :

Positives : 696 questions held-out (phrasing inédit) + 30 officielles.
Négatives : 47 questions hors-périmètre (refus attendu) — disjointes du jeu de refus d'entraînement.

Modèle	Refus correct (négatives, n=47)	Factuel held-out (n=696)	Officiel (n=30)
Précédent — SFT positives seules	12,8 %	86,9 %	73,3 %
+ 400 refus (≈ 13 %)	63,8 %	83,9 %	66,7 %
Ce modèle — + 588 refus (≈ 18 %)	78,7 %	82,2 %	70,0 %

Effet : refus correct ×6 (12,8 → 78,7 %), au prix de −4,7 pts de factuel held-out. Le dosage (13 % vs 18 % de refus) règle le curseur ; pas de sur-refus (le modèle répond encore correctement à ~82 % des vraies questions).

Comparaison vs gpt-oss-20b-FAQ-MES (même protocole)

Modèle	Taille	Factuel held-out	Anti-hallucination (refus)
gpt-oss-20b-FAQ-MES	MoE 20 B	70,8 %	12,8 %
Ce modèle	8 B	82,2 %	78,7 %

→ Double domination, avec un modèle 2,5× plus petit.

3. Reproduction (à partir du modèle précédent)

# ① Générer le jeu de refus (questions hors-périmètre + refus variés), décontaminé des jeux d'éval
python gen_refusals.py --total 700 --max-batches 16          # → refusals.jsonl (588 après décontam.)

# ② SFT augmenté : 2771 positives + 588 refus, depuis le MÊME checkpoint CPT
python build_sft_aug.py --n 588 --out sft_ref588.jsonl
python sft_train.py --base fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT --data sft_ref588.jsonl \
  --tag 6M_ref588 --epochs 3 --lr 1e-5 --bs 1 --grad-accum 16 --max-len 2048 --optim paged_adamw_8bit

Hyperparamètres SFT identiques au modèle précédent (full FT, bf16, ChatML, loss masquée sur le prompt, 3 époques, LR 1e-5 cosine). Pour la génération du corpus CPT et les paramètres complets, voir le model card du modèle précédent. Matériel : 1× NVIDIA L40S 48 Go.

4. Utilisation

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
mid = "fenyo/L40S-Qwen3-8B-MonEspaceSante-CPT-SFT-anti-hallucination"
tok = AutoTokenizer.from_pretrained(mid)
model = AutoModelForCausalLM.from_pretrained(mid, dtype=torch.bfloat16).cuda().eval()
eos = [tok.eos_token_id, tok.convert_tokens_to_ids("<|im_end|>")]  # terminaison ChatML

msgs = [{"role": "user", "content": "Puis-je créer un profil pour mon animal de compagnie ?"}]
prompt = tok.apply_chat_template(msgs, tokenize=False, add_generation_prompt=True, enable_thinking=False)
enc = tok(prompt, return_tensors="pt", add_special_tokens=False).to("cuda")
out = model.generate(**enc, max_new_tokens=320, do_sample=False, eos_token_id=eos)
print(tok.decode(out[0][enc.input_ids.shape[1]:], skip_special_tokens=True))
# → refus poli (la question est hors-périmètre) plutôt qu'une réponse inventée

Entraîné sans system prompt (questions utilisateur seules).

5. Limites

Le refus n'est pas parfait (~79 %) : ~1 question hors-périmètre sur 5 reçoit encore une réponse inventée. Augmenter la part de refus ou diversifier davantage le jeu améliorerait encore ce taux (au prix d'un peu de factuel).
Léger recul du factuel vs le modèle précédent (−4,7 pts held-out) — compromis assumé pour la sûreté.
Domaine étroit (FAQ Mon espace santé). Hors périmètre, comportement de Qwen3-8B-Base.