Экспериментальный чекпойнт Qwen3-4B после обучения с подкреплением для диалоговой генерации текста.
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
Это экспериментальный чекпойнт Qwen3-4B, созданный в рамках экспериментов KL-in-LLM-RL / FRPO и обученный с использованием verl. В репозитории находится состояние обучения global_step_200; веса сохранены в формате safetensors с точностью fp32 без последующей обработки.
Модель предназначена для генерации текста и диалогового использования. Она основана на плотной авторегрессионной архитектуре Qwen3ForCausalLM, содержит около 3,7 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка не сообщает о специализированной области применения или целевых языках. Условия лицензии в предоставленных данных не указаны.
Это чекпойнт экспериментального обучения на шаге global_step_200; карточка не приводит оценки качества или целевые сценарии. Лицензия и поддерживаемые языки в доступных данных не обозначены.
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/Qwen3-4BAuto-uploaded on 2026-08-15.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…