Характеристики

Контекст: 262 144 токена
Параметры: 3,7 млрд
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: Qwen3-4B-Instruct-2507
Библиотека: transformers
Опубликована: 8 сен 2026

Ссылки

qwen3-4b-rar-medicine-onlinerubrics-seed11-step-032

Генерация текстаТекст → текст3 профессии

Промежуточный дообученный чекпойнт Qwen3 для исследования поведения модели на медицинских задачах с динамическими рубриками.

157скачиваний за 30 дней0лайковвеса обновлены9 сен 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Это промежуточный чекпойнт Qwen3-4B-Instruct-2507, полученный командой HYU-NLP-EVAL в ходе обучения GRPO с динамическими рубриками OnlineRubrics-Every для медицинского набора RaR-Medicine. Модель представляет собой плотную языковую архитектуру Qwen3 с 3,7 млрд параметров; режим thinking отключён. Она принимает текст и генерирует текст, поддерживает диалоговый сценарий и контекст до 262 144 токенов.

Чекпойнт сохранён как историческое состояние политики для аудита Phase 1 и исследовательского использования. Карточка не заявляет о подтверждённых медицинских возможностях или безопасности, поэтому модель не следует считать проверенной для клинических решений. Весовая выгрузка доступна в BF16 и формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

аудит промежуточной политики модели на медицинских запросах
исследование обучения GRPO с динамическими рубриками
эксперименты с генерацией ответов на медицинские вопросы
сравнение поведения чекпойнтов в исследовании RaR-Medicine

Ограничения

Модель является историческим промежуточным чекпойнтом и не валидирована для клинических решений; карточка не заявляет подтверждённых медицинских возможностей или безопасности.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OnlineRubrics RaR-Medicine: step 32, seed 11

Intermediate policy from dynamic OnlineRubrics-Every GRPO training, distinct from static-rubric GRPO. Base model: Qwen/Qwen3-4B-Instruct-2507; thinking disabled. This checkpoint is a historical policy state used by the Phase-1 audit. No downstream medical capability or safety claim is made. Research use only; not validated for clinical decision-making.

Root files are the veRL-exported Hugging Face inference model (BF16). original_checkpoint/ preserves the exact original FSDP parameter checkpoint and tokenizer/configuration files. Optimizer state, training data, responses, rubrics, infrastructure configuration, and credentials are not included. The original is retained because export precision/serialization differs.

Base model revision: cdbee75f17c01a7cc42f958dc650907174af0554 Original actor tree SHA256: d026e926dc2a27b983ddc20f13e458e1280c5b688a0a7ee28d864d13c4a881d2

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: 0fcbe0b