Характеристики

Контекст: 262 144 токена
Параметры: 3,7 млрд
Размер весов: 8 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: Qwen3-4B-Instruct-2507
Библиотека: transformers
Опубликована: 30 сен 2026

Ссылки

qwen3-4b-rar-medicine-onlinerubrics-seed11-step-046

Генерация текстаТекст → текст3 профессии

Промежуточный исследовательский чекпойнт Qwen3, дообученный методом GRPO с динамическими рубриками для аудита политики в медицинском контексте.

177скачиваний за 30 дней0лайковвеса обновлены30 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

HYU-NLP-EVAL выпустила промежуточный чекпойнт OnlineRubrics RaR-Medicine — состояние политики на 46-м шаге обучения GRPO с динамическими рубриками, seed 11. Это плотная авторегрессионная модель Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507; режим thinking отключён. Модель предназначена для исследовательского аудита политики в рамках Phase-1, а не заявлена как специализированная медицинская система. Она принимает текст и генерирует текст, поддерживает диалоговый сценарий и имеет контекст до 262 144 токенов.

Чекпойнт опубликован в формате BF16 для Transformers и распространяется по лицензии Apache-2.0. Авторы не заявляют о подтверждённых медицинских возможностях или безопасности модели и указывают, что она не проверена для принятия клинических решений.

Сценарии применения

аудит поведения языковой модели на медицинских запросах
исследование обучения GRPO с динамическими рубриками
сравнение промежуточных состояний политики на медицинских заданиях

Ограничения

Модель не заявлена как обладающая медицинскими возможностями или безопасностью и не проверена для клинических решений. Это промежуточное состояние политики, предназначенное для исследовательского аудита.

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.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OnlineRubrics RaR-Medicine: step 46, 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 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: d7692d3b293668c0ade22d3ec49230ad68368cdb87f1dfecf043772c00542080

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: 1a03ff5