/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
21 сен 2026

gpt54-mini-standalone-qwen3-4b-rose-babyai-20260920

Генерация текстаТекст → текст3 профессии

Дообученная на задачах BabyAI модель Qwen3-4B для диалоговой генерации текста и выполнения заданий в среде BabyAI.

276скачиваний за 30 дней0лайковвеса обновлены21 сен 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

Это диалоговая языковая модель Qwen3-4B, дообученная Diluner методом ROSE с учителем gpt-5.4-mini для задач BabyAI. Представлен финальный чекпойнт отдельного этапа обучения: пять эпох и 125 обновлений оптимизатора. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; базовая модель — Qwen/Qwen3-4B. Контекст составляет до 40 960 токенов.

Модель предназначена для генерации текста и выполнения задач в среде BabyAI. В оценке со средним результатом по четырём попыткам она успешно выполнила 87,5% заданий BabyAI; оценка проводилась с отключённым режимом thinking и лимитом 512 генерируемых токенов на ход. Это результат одного чекпойнта, который не доказывает воспроизводимость на других запусках или преимущество метода в целом. Репозиторий общедоступен, но лицензия отдельно не заявлена; необходимо учитывать условия базовой модели и применимые лицензии.

Сценарии применения

  • выполнение заданий в среде BabyAI
  • оценка поведения агента в интерактивных задачах
  • генерация диалоговых ответов
  • эксперименты с обучением языковых моделей для агентов

Ограничения

Оценка приведена для одного чекпойнта и не показывает воспроизводимость на других запусках; отсутствие ошибок эпизодов не гарантирует корректность каждого ответа. Лицензия отдельно не заявлена, поэтому следует проверить условия базовой модели.

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

gpt54-mini-standalone-qwen3-4b-rose-babyai-20260920

Qwen/Qwen3-4B trained with ROSE using teacher gpt-5.4-mini. This is the final checkpoint of a completed babyai stage: five epochs, 125 optimizer updates in that stage.

Standalone training initialized independently from the base model; this is not a sequential checkpoint.

Training-completion evidence: Historical audit verified all expected optimizer updates and all five epoch checkpoint exports; these runs predate stage-manifest.json.

Evaluation uses avg@4: mean success across four attempts per official test task, not best-of-four success. Temperature 0.4, top-p 1.0, top-k 20, thinking disabled, and 512 generated tokens per turn.

EnvironmentSuccesses / attemptsavg@4 successEpisode errors
babyai315 / 36087.5000%0

Saved-result checks verified exact task/sample coverage and score consistency. Zero episode errors does not imply every generated turn was well formed.

Provenance and interpretation notes:

  • This is one trained checkpoint, not evidence of a general method advantage or replication across training seeds.
  • The selection inventory records file names, sizes and modification times. It is not a tensor-byte hash binding to historical evaluation responses.
  • Use the complete repaired evaluation, not the original error-excluding summary. Some repaired artifacts reuse complete original rollouts; historical serving logs are incomplete.
  • Historical SFT and ROSE recipes differ in learning-rate scheduling, weight decay, parameter precision, formatting, and some training turn caps. This is not an objective-only ablation.
  • The retained checkpoint belongs to successful run o5e5y0nu. Earlier failed run tbvhb9b3 appended records into shared rollout files; those earlier records are excluded from retained-run analysis.

The HF export is stored at the repository root; configuration, tokenizer, and all weight shards are included. Optimizer state, raw logs, and teacher trajectories are not included. Machine-readable source references and checksums are in experiment.json.

from transformers import AutoTokenizer, AutoModelForCausalLM
repo_id = "Diluner/gpt54-mini-standalone-qwen3-4b-rose-babyai-20260920"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(repo_id, torch_dtype="auto")

Repository access is public, as authorized by the experiment owner. No license is asserted here; consult the base model and applicable terms.

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
9c28c19

0 моделей