/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
19 июн 2026

Darwin-Chimera-4B-Gen1

Генерация текстаТекст → текст3 профессии

Исследовательская производная Qwen3-4B с изменённым attention для экспериментов со скользящим окном и дальнейших исследований архитектур.

17скачиваний за 30 дней0лайковвеса обновлены19 июн 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

Darwin-Chimera-4B-Gen1 — исследовательская производная Qwen/Qwen3-4B, созданная командой Darwin-Chimera. В модели изменена только схема внимания: применено «лечение» attention с помощью VIDRAFT и настроено скользящее окно; FFN, эмбеддинги и lm_head заморожены. Архитектура — плотная Qwen3ForCausalLM, около 3,7 млрд параметров, контекст до 40 960 токенов. В README указаны скользящее окно 4096 токенов и соотношение слоёв со скользящим и полным вниманием 5:1.

Модель предназначена как основа для экспериментов Darwin-Chimera следующего поколения, в частности для исследований переноса FFN между архитектурами. Это исследовательский чекпойнт, а не готовый продукт; README сообщает, что знания и FFN полностью унаследованы от Qwen3-4B. Карточка указывает поддержку корейского и английского языков, а лицензионные метаданные — Apache 2.0.

Сценарии применения

  • эксперименты с механизмами внимания в языковых моделях
  • исследование скользящего окна внимания
  • использование как основы для Darwin-Chimera Generation-2
  • изучение переноса FFN между архитектурами

Ограничения

Чекпойнт предназначен для исследований и экспериментов, не для производственного применения. FFN, эмбеддинги и lm_head унаследованы без изменений от Qwen3-4B; README не приводит сравнительных оценок качества.

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

Darwin-Chimera-4B-Gen1 (Backbone · Research)

⚠️ Generation-1 backbone — a research checkpoint, not a product. Private repo. This is a Qwen3-4B derivative, not a from-scratch model. We state this explicitly.

What this is

Darwin-Chimera-4B-Gen1 is the first-generation adapter backbone of the Darwin-Chimera line. We take Qwen/Qwen3-4B and re-wire only its attention via VIDRAFT attention-healing, while freezing the FFN, embeddings, and lm_head, and convert the attention to a sliding-window configuration.

The purpose is to verify that a VIDRAFT-healed attention circuit can sit on a frozen knowledge core — the foundation for Generation-2 (FFN cross-breeding with other models).

Honest weight fingerprint (vs Qwen/Qwen3-4B)

Measured relative change ||A−B|| / ||A|| against the original Qwen3-4B:

ComponentRelative changeNote
FFN (mlp)0.000%frozen — identical to Qwen3-4B
embed / lm_head0.000%frozen — identical
attention (self_attn)3.0% mean (7.5% max)healed
layernorm0.04%minimal
config (hidden/inter/layers/vocab)identicalonly sliding_window=4096 added

→ At the weight level this checkpoint is clearly a Qwen3-4B derivative. We make no claim of independence or from-scratch training. Knowledge/FFN is 100% Qwen3-4B.

Training

  • Method: attention-only healing (self_attn + per-layer norms trainable; FFN/embed/lm_head frozen)
  • Attention: full → sliding window (4096), 5:1 sliding:full layer ratio
  • Tokens: ~3B (Korean-centric annealing mix)
  • Base: Qwen/Qwen3-4B (Apache 2.0)

Evaluation (base, zero-shot — reference only)

  • Generation: 6/6 domains coherent (Korean / English / science / code / math / biology), no gibberish
  • KMMLU (6 subjects, 240Q, zero-shot, greedy): 27.1% vs Qwen3-4B base 13.3% (same protocol, +13.8pp)
  • Absolute KMMLU is low because this is a base (non-instruct) checkpoint; instruction-following and benchmark quality are expected to come from a later SFT stage. The comparison above is a same-condition relative measurement, not an absolute SOTA claim.

Intended use

  • Backbone for Darwin-Chimera Generation-2 (cross-architecture FFN cross-breeding research)
  • Research and experimentation only. Not for production.

License & attribution

Apache 2.0, inherited from Qwen/Qwen3-4B. Built on Qwen/Qwen3-4B.

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
705321b

0 моделей