/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Base
Библиотека
transformers
Опубликована
17 авг 2026

Ссылки

Hugging Face

capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_random_b8000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная Qwen3 с 3,7 млрд параметров для генерации текста, обученная на смеси научных данных SciWeb и StackExchange.

62скачиваний за 30 дней0лайковвеса обновлены17 авг 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_random_b8000_s0 — дообученная плотная языковая модель Qwen3 с 3,7 млрд параметров, созданная на базе Qwen/Qwen3-4B-Base. Название и карточка указывают на обучение на смеси данных SciWeb и StackExchange с научными примерами и случайной выборкой.

Модель предназначена для генерации текста; метаданные также отмечают возможность диалогового применения. Базовая модель поддерживает контекст до 32 768 токенов. Карточка не описывает конкретные сценарии, оценки качества или языковую специализацию дообученной версии, поэтому её научную направленность следует считать ориентиром по обучающим данным, а не гарантией экспертной точности. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

Сценарии применения

  • генерация ответов на научные вопросы
  • подготовка черновиков ответов в стиле StackExchange
  • диалоговое обсуждение научных тем

Ограничения

Карточка не приводит результатов оценки, точных сценариев применения или подтверждённых языков; научные ответы могут быть неточными. Указана лицензия other, но её конкретные условия не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-4B-Base_science_random_b8000_s0

This model is a fine-tuned version of Qwen/Qwen3-4B-Base on the capsd_Qwen3-4B-Base-n80000-sciweb-stackexchange__mix_science_random_b8000_s0 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 0
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 1

Training results

Framework versions

  • Transformers 5.8.0
  • Pytorch 2.13.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
e0e54b1

0 моделей

    Создать бенчмарк