/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
27 июл 2026

Qwen2.5-3B-Instruct-Math-Unsloth

Генерация текстаТекст → текст3 профессии

Дообученная чат-модель Qwen2.5-3B для генерации ответов на текстовые запросы, включая математические задачи.

16скачиваний за 30 дней0лайковвеса обновлены27 июл 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

FormlessAI/Qwen2.5-3B-Instruct-Math-Unsloth — дообученная модель генерации текста на базе unsloth/Qwen2.5-3B-Instruct. В карточке указано, что обучение выполнено с помощью TRL; метаданные описывают плотную архитектуру Qwen2 и поддержку чата. Модель содержит около 3,1 млрд параметров и рассчитана на контекст до 32 768 токенов.

Модель предназначена для диалоговой генерации текста и ответов на запросы, в том числе математические задачи, на которые указывает название модели. В README приведён пример вызова через Transformers pipeline, но сам пример не содержит отдельной демонстрации математических возможностей или оценок качества. Формат весов — safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • решение математических задач в диалоге
  • получение ответов на текстовые запросы
  • генерация пояснений к математическим ответам

Ограничения

В README нет примеров математических ответов, результатов оценки или сведений о надёжности решения задач; качество математических рассуждений по предоставленным данным подтвердить нельзя.

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

Model Card for Qwen_Qwen2.5-3B-Instruct__project-3b-math_1785190172

This model is a fine-tuned version of unsloth/Qwen2.5-3B-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="None", 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 SFT.

Framework versions

  • TRL: 0.23.1
  • Transformers: 4.57.6
  • Pytorch: 2.6.0+cu124
  • Datasets: 4.3.0
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
a7f9a9b

0 моделей