/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
28 сен 2026

Code-Qwen3-1.7B-Qwen3-4B-Non-Thinking-RL-Code-Step300

Генерация текстаТекст → текст

Студенческая модель Qwen3 с 1,7 млрд параметров, дистиллированная для генерации кода и решения задач программирования.

220скачиваний за 30 дней0лайковвеса обновлены7 окт 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

Code-Qwen3-1.7B-Qwen3-4B-Non-Thinking-RL-Code-Step300 — чекпойнт Qwen3 с 1,7 млрд параметров, созданный на основе Qwen/Qwen3-1.7B методом on-policy distillation. Его выпустили как студенческую модель для исследования «Towards Understanding On-Policy Distillation through the Lens of Test-Time Scaling»; учитель — Keven16/Qwen3-4B-Non-Thinking-RL-Code-Step300.

Модель предназначена для генерации кода и ответов на задачи программирования, в том числе на примерах из LeetCode и TACO. Это плотная авторегрессионная модель Qwen3ForCausalLM, рассчитанная на текстовый ввод и текстовый вывод; заявленная длина контекста — 40 960 токенов. В метаданных указан английский язык. Модель распространяется в формате safetensors через Transformers.

Результаты в README относятся к экспериментам статьи и не являются оценкой именно этого чекпойнта. Условия использования определяются лицензиями базовой модели и обучающих данных; конкретная лицензия для репозитория в предоставленных метаданных не указана.

Сценарии применения

  • генерация кода по текстовому описанию
  • решение задач с LeetCode
  • решение задач программирования из набора TACO

Ограничения

Приведённые в README результаты статьи не являются оценкой этого чекпойнта. Условия использования зависят от применимых лицензий базовой модели и обучающих данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Code-Qwen3-1.7B-Qwen3-4B-Non-Thinking-RL-Code-Step300

Paper · GitHub · Project · Collection

This repository contains an on-policy distillation (OPD) student checkpoint released with Towards Understanding On-Policy Distillation through the Lens of Test-Time Scaling. Its base model, teacher, and training data are listed below.

Overview: pass@K gains depend on the sampling budget

Code pass@K results across settings

The figure reports paper results across code settings; it is not a scorecard for this checkpoint alone.

Checkpoint details

Step300 belongs to the teacher model name; it does not identify a student training step.

More information

See the paper and GitHub repository for training settings, evaluation protocols, and analysis. Upstream model and data terms remain applicable; see third-party notices.

Citation

@misc{ge2026understandingonpolicydistillationlens,
  title={Towards Understanding On-Policy Distillation through the Lens of Test-Time Scaling},
  author={Xinmu Ge and Zizhuo Zhang and Yu Huang and Jianing Zhu and Lin Yuan and Wanli Gu and Weichang Wu and Weiran Huang and Bo Han and Xiaolu Zhang and Jiangchao Yao},
  year={2026},
  eprint={2608.11829},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  doi={10.48550/arXiv.2608.11829},
  url={https://arxiv.org/abs/2608.11829}
}

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
233907b

0 моделей