/ Модель

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

qwen3-4b-rar-medicine-static-r0-matched-seed11-step-012

Генерация текстаТекст → текст3 профессии

Промежуточный чекпойнт Qwen3-4B, дообученный методом GRPO на медицинских запросах для исследовательских экспериментов с генерацией текста.

338скачиваний 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.

  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

Это промежуточный исследовательский чекпойнт Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO на статической рубрике для эксперимента RaR-Medicine. Опубликован после 12 из запланированных 48 глобальных обновлений оптимизатора; обучение проведено на 1 500 медицинских запросах с отключённым режимом reasoning. Модель представляет собой плотную причинно-языковую архитектуру Qwen3ForCausalLM с 3,7 млрд параметров и контекстом до 262 144 токенов.

Модель предназначена для генерации текста в диалоговом формате и исследовательского изучения обучения языковых моделей на медицинских запросах. Это незавершённый экспериментальный чекпойнт, и авторы не заявляют о подтверждённых медицинских способностях или безопасности; его не следует считать клинической моделью. Файлы для инференса предоставлены в формате Transformers BF16. Лицензия — Apache-2.0.

Сценарии применения

  • исследование влияния GRPO на ответы на медицинские запросы
  • генерация ответов на медицинские вопросы в исследовательском эксперименте
  • сравнение чекпойнтов обучения со статической рубрикой
  • оценка поведения языковой модели на медицинских промптах

Ограничения

Это промежуточный чекпойнт после 12 из 48 запланированных обновлений. Авторы не заявляют о медицинских способностях или безопасности модели; она не предназначена для клинического применения.

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

Static-R0 Matched GRPO on RaR-Medicine — step 12

This is the policy after 12 global optimizer updates of the matched static-rubric GRPO run (planned total: 48). It is intentionally separate from the OnlineRubrics/dynamic-rubric checkpoints.

Experiment identity

  • Method: static_r0_matched
  • Reward source: rar_static_r0_only
  • Domain: Medicine
  • Training data: RaR-Medicine, 1,500 prompts
  • Seed: 11
  • Policy: Qwen/Qwen3-4B-Instruct-2507
  • Base revision: cdbee75f17c01a7cc42f958dc650907174af0554
  • Thinking: disabled
  • GRPO global prompt batch: 96
  • Rollouts per prompt: 16
  • Learning rate: 5e-06

The root files are a BF16 Transformers export for inference. The original_checkpoint/ directory contains the exact original veRL/FSDP policy parameter checkpoint and its tokenizer/configuration files. Optimizer, trainer, and data-loader state are intentionally not published; the complete resume checkpoint remains on Daisy.

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "HYU-NLP-EVAL/qwen3-4b-rar-medicine-static-r0-matched-seed11-step-012"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id, torch_dtype="bfloat16", device_map="auto"
)

This is an intermediate research checkpoint, not a clinical model. No medical capability or safety claim is made.

Original actor parameter SHA256: 0f1cacfffb02429db7c7f2802d2ceeda9513b355e6b51aaaa8db83c6d788478f

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
2012acf

0 моделей