/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
7 июл 2026

Sequential-Qwen3-1.7B

Генерация текстаТекст → текст3 профессии

Исследовательский чекпойнт Qwen3 на 1,7 млрд параметров для изучения постобучения и оценки генерации текста и рассуждений.

24скачиваний за 30 дней0лайковвеса обновлены14 июл 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.

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

Sequential-Qwen3-1.7B — исследовательский чекпойнт коллекции Direct-OPD, разработанный командой BytedTsinghua-SIA. Это плотная авторегрессионная языковая модель семейства Qwen3 с 1,7 млрд параметров, дообученная по последовательной схеме Sequential / ContinueOPD на основе Qwen3 1.7B. Репозиторий содержит веса Safetensors для Transformers; модель поддерживает диалоговую генерацию текста и имеет контекстное окно до 40 960 токенов.

Чекпойнт предназначен для изучения постобучения и оптимизации в стиле обучения с подкреплением, сравнения вариантов Direct-OPD и офлайн-оценки рассуждений, следования инструкциям и выравнивания. Его также можно использовать как исходную точку для дальнейших исследований. Карточка не приводит результатов бенчмарков, а сведения о данных и полном расписании обучения неполны. Ответы могут быть ошибочными, предвзятыми или небезопасными; результаты зависят от формата запроса и настроек генерации, а исследовательское дообучение может ухудшить общие навыки следования инструкциям и безопасности. Лицензия — Apache-2.0.

Сценарии применения

  • сравнение чекпойнтов Direct-OPD в экспериментах по постобучению
  • офлайн-оценка рассуждений на языковых бенчмарках
  • изучение влияния оптимизации в стиле обучения с подкреплением
  • оценка следования инструкциям и поведения модели
  • инициализация дальнейших исследовательских экспериментов

Ограничения

Бенчмарки и полные сведения о тренировочных данных и расписании обучения в карточке не приведены; ответы могут быть ошибочными, предвзятыми или небезопасными, а результат зависит от промпта и настроек генерации. Это исследовательский чекпойнт без независимой оценки для высокорисковых применений.

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

Sequential-Qwen3-1.7B

Sequential-Qwen3-1.7B is a research checkpoint from the Direct-OPD collection. It is released for reproducible research on post-training and reinforcement-learning-style optimization for reasoning-oriented language models.

Model Details

Training and Provenance

A sequential Direct-OPD checkpoint initialized from the Qwen3 1.7B family and continued from the QuestA trajectory indicated by the source checkpoint name.

The checkpoint was mirrored from ModelScope to Hugging Face for easier access and inclusion in the Direct-OPD collection. The source checkpoint name records the available release metadata, including method, model family, KL/adaptive-KL setting when present, sequence length setting, and checkpoint step. Full training data, hyperparameters, and evaluation protocol should be taken from the associated Direct-OPD release materials when available.

Intended Use

This model is intended for research use, including:

  • studying post-training and RL-style optimization behavior;
  • comparing Direct-OPD checkpoints across model families and parameter scales;
  • running offline evaluation on reasoning, instruction-following, and alignment benchmarks;
  • serving as an initialization or comparison point for further research.

It is not intended for direct deployment in safety-critical, medical, legal, financial, or other high-stakes settings without independent evaluation and safeguards.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "BytedTsinghua-SIA/Sequential-Qwen3-1.7B"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "user", "content": "Explain the main idea of Direct-OPD in one paragraph."},
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
inputs = tokenizer([text], return_tensors="pt").to(model.device)

output_ids = model.generate(
    **inputs,
    max_new_tokens=512,
    temperature=0.7,
    top_p=0.95,
)
print(tokenizer.decode(output_ids[0], skip_special_tokens=True))

Evaluation

No benchmark results are included in this model card yet. Users should evaluate the checkpoint on the tasks and safety criteria relevant to their use case before drawing conclusions or deploying derived systems.

Recommended reporting for downstream evaluations:

  • benchmark name and version;
  • decoding configuration;
  • prompt template and chat template;
  • number of samples and random seeds;
  • comparison baselines from the same model family.

Limitations

  • The model may generate incorrect, misleading, biased, or unsafe content.
  • The model card does not currently document the full training dataset or complete hyperparameter schedule.
  • Performance can be sensitive to prompt format, decoding settings, and evaluation harness.
  • Research checkpoints can regress on general instruction-following or safety behavior while improving on targeted optimization objectives.

Citation

Citation information for the associated Direct-OPD research release will be added when available. If you use this checkpoint, please cite the Direct-OPD project or paper once published, and include the model repository URL in your reproducibility artifacts.

Acknowledgements

This checkpoint is part of the Direct-OPD model collection maintained by BytedTsinghua-SIA and mirrored from the original ModelScope release.

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
892f626

0 моделей