/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
12,3 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-3B-Instruct
Библиотека
transformers
Опубликована
29 апр 2025

Ссылки

Hugging Face

Qwen2.5-Coder-3B-Instruct-Venus-Cold-Start

Elfsong
Генерация текстаТекст → текст8 профессий

Дообученная на venus_cold_start модель Qwen2.5-Coder-3B-Instruct для генерации текста и помощи с кодом по текстовым запросам.

483скачиваний за 30 дней0лайковвеса обновлены29 апр 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.

Открыть конструктор бенчмарка

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

Elfsong/Qwen2.5-Coder-3B-Instruct-Venus-Cold-Start — дообученная Elfsong модель на базе Qwen2.5-Coder-3B-Instruct, обученная на наборе данных venus_cold_start. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, рассчитанная на генерацию текста в формате чата. Базовая модель ориентирована на генерацию, анализ и исправление кода по текстовым запросам; карточка этой версии не описывает отдельные возможности или специализацию датасета venus_cold_start.

Модель принимает текстовые запросы и выдаёт текст. Контекстное окно — 32 768 токенов. В метаданных указана лицензия other, поэтому точные условия использования следует сверить с файлами лицензии репозитория. README не содержит сведений об оценках качества и ограничениях именно этого дообучения.

Сценарии применения

  • генерация кода по текстовому описанию
  • анализ фрагментов кода
  • исправление ошибок в коде
  • диалоговая помощь при разработке

Ограничения

README не приводит оценок качества или особых ограничений этого дообучения. Лицензия обозначена как other, поэтому условия использования нужно проверить в репозитории.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5-Coder-3B-Instruct-Venus-Cold-Start

This model is a fine-tuned version of Qwen/Qwen2.5-Coder-3B-Instruct on the venus_cold_start dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • total_eval_batch_size: 32
  • optimizer: Use adamw_bnb_8bit with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 20
  • num_epochs: 2.0

Training results

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.5.0
  • Tokenizers 0.21.1

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
de85a42

0 моделей

    Создать бенчмарк