/ Модель

Характеристики

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

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

Генерация текстаТекст → текст3 профессии

Дообученная на траекториях учителя gpt-5.4-mini модель Qwen3-4B для генерации диалогов и выполнения задач в BabyAI.

262скачиваний за 30 дней0лайковвеса обновлены20 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

Diluner выпустил дообученную методом supervised fine-tuning (SFT) языковую модель Qwen3-4B, используя gpt-5.4-mini как учителя. Это финальный чекпойнт отдельного этапа обучения для среды BabyAI: пять эпох и 125 обновлений оптимизатора. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит около 3,7 млрд параметров; репозиторий включает веса в safetensors и предназначен для работы с Transformers.

Модель генерирует текст в диалогах и обучена решать задачи в BabyAI. В описанной оценке при отключённом thinking и лимите 512 генерируемых токенов за ход она достигла средней успешности 90,28% по четырём попыткам на задачу, без ошибок эпизода. Это результат одного чекпойнта, а не подтверждение обобщения на другие среды или превосходства метода; корректность каждого ответа отдельно не гарантируется. Окно контекста составляет 40 960 токенов. README не заявляет лицензию, поэтому условия использования следует сверить с лицензией базовой модели Qwen/Qwen3-4B и применимыми условиями.

Сценарии применения

  • решение задач в среде BabyAI
  • генерация ответов в диалоге
  • оценка поведения языковых агентов в BabyAI
  • воспроизведение эксперимента SFT с Qwen3-4B

Ограничения

Оценка относится к одному чекпойнту и одной среде, поэтому не подтверждает качество на других задачах или обобщение на другие условия. Наличие ошибок эпизода не гарантирует, что каждый сгенерированный ход корректно сформирован; лицензия в README не заявлена.

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-sft-babyai-20260920

Qwen/Qwen3-4B trained with SFT 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
babyai325 / 36090.2778%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 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-sft-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
23d46bf

0 моделей