/ Модель

Характеристики

Контекст
8 192 токена
Параметры
509 млн
Архитектура
qwen3 · dense
Базовая модель
test-model-muon
Библиотека
transformers
Опубликована
1 ноя 2025

m-sft-1

Генерация текстаТекст → текст3 профессии

Диалоговая модель Qwen3, дообученная для генерации ответов на текстовые запросы.

554скачиваний за 30 дней0лайковвеса обновлены1 ноя 2025

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.

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

Ba2han/m-sft-1 — диалоговая языковая модель, дообученная Ba2han на базе Ba2han/test-model-muon с использованием TRL. Она предназначена для генерации ответов в формате беседы и запускается через Transformers как модель text-generation.

Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 508,7 млн параметров и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors. README демонстрирует ответ на открытый вопрос, но не приводит результатов оценки качества или подробностей обучающих данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • ответы на открытые вопросы в диалоге
  • генерация продолжений беседы
  • создание прототипа текстового чат-бота

Ограничения

В README не приведены результаты оценки качества и сведения об обучающих данных; демонстрация показывает только простой пример ответа. Лицензия в предоставленных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for m-sft-1

This model is a fine-tuned version of Ba2han/test-model-muon. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="Ba2han/m-sft-1", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.23.0
  • Transformers: 4.57.1
  • Pytorch: 2.9.0+cu128
  • Datasets: 4.3.0
  • Tokenizers: 0.22.1

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
8364d46

0 моделей