Экспериментальный RL-чекпойнт Qwen3-1.7B для генерации текста и диалогов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Экспериментальный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO с использованием verl. В репозитории находится состояние обучения global_step_200; веса сохранены в формате safetensors в точности после работы тренера, без последующей обработки.
Модель предназначена для генерации текста и диалогов. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров и контекстом до 32 768 токенов; метаданные также отмечают поддержку чата. Базовая модель Qwen3-1.7B описана как многоязычная, пригодная для рассуждений, кода и выполнения инструкций, однако карточка этого чекпойнта не сообщает, какие именно возможности улучшило дообучение.
Чекпойнт представляет исследовательский эксперимент, а не подтверждённую готовую систему: README не приводит оценок качества или результатов сравнений. Лицензия в предоставленных данных не указана.
README не приводит результатов оценки качества или сравнений, поэтому свойства дообученного чекпойнта не подтверждены метриками. Лицензия в предоставленных данных не указана.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
RL fine-tuned checkpoint from the KL-in-LLM-RL / FRPO experiments (trained with verl).
Qwen/Qwen3-1.7BAuto-uploaded on 2026-08-15.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…