/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Библиотека
transformers
Опубликована
17 сен 2026

tiny-grpo

Генерация текстаТекст → текст5 профессий

Компактная дообученная модель Qwen2.5 для диалоговых ответов, выполнения инструкций и генерации текста.

349скачиваний за 30 дней0лайковвеса обновлены17 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

tiny-grpo — компактная языковая модель для генерации текста и диалогов, разработанная на основе Qwen/Qwen2.5-0.5B-Instruct и дообученная с помощью TRL. Модель использует плотную архитектуру Qwen2 и содержит 494 млн параметров; для работы с текстом доступен контекст длиной до 32 768 токенов.

Модель предназначена для ответов на пользовательские запросы в диалоговом формате, выполнения инструкций и генерации текста. Её можно использовать для прототипов чат-ботов и других приложений, которым нужна компактная инструктивная модель. В карточке приведён пример запуска через Transformers pipeline на GPU.

В репозитории указаны веса в формате safetensors. Язык лицензии в предоставленных данных не указан; перед использованием следует проверить лицензию базовой модели и условия самого репозитория. Данных о специальных ограничениях качества или безопасности модели в карточке нет.

Сценарии применения

  • создание прототипа чат-бота
  • ответы на вопросы в диалоге
  • выполнение текстовых инструкций
  • генерация коротких текстов

Ограничения

Карточка не сообщает результаты оценки качества или специальные ограничения модели. Условия лицензии репозитория следует проверить отдельно.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for tiny-grpo

This model is a fine-tuned version of Qwen/Qwen2.5-0.5B-Instruct. 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="Dvijsj12/tiny-grpo", 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 GRPO, a method introduced in DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models.

Framework versions

  • TRL: 1.13.0
  • Transformers: 5.17.0
  • Pytorch: 2.14.0
  • Datasets: 5.0.1
  • Tokenizers: 0.23.2

Citations

Cite GRPO as:

@article{shao2024deepseekmath,
    title        = {{DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models}},
    author       = {Zhihong Shao and Peiyi Wang and Qihao Zhu and Runxin Xu and Junxiao Song and Mingchuan Zhang and Y. K. Li and Y. Wu and Daya Guo},
    year         = 2024,
    eprint       = {arXiv:2402.03300},
}

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
3975882

0 моделей