/ 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
16 сен 2026

qwen3-4b-rar-medicine-static-r0-matched-seed11-step-039

Генерация текстаТекст → текст3 профессии

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

605скачиваний за 30 дней0лайковвеса обновлены16 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

Промежуточный исследовательский чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO с фиксированной рубрикой static_r0_matched на наборе RaR-Medicine из 1 500 медицинских запросов. Это плотная авторегрессионная модель с 3,7 млрд параметров; репозиторий содержит веса BF16 в формате Transformers для инференса, а также исходный чекпойнт veRL/FSDP. Контекст модели — до 262 144 токенов, режим Thinking отключён.

Модель предназначена для исследовательского изучения обучения ответам на медицинские запросы с фиксированной рубрикой и сравнения промежуточных состояний обучения. Она генерирует текст и поддерживает диалоговый сценарий. Чекпойнт снят после 39 из запланированных 48 обновлений оптимизатора; состояние оптимизатора, тренера и загрузчика данных не опубликовано, поэтому полный запуск обучения с этого репозитория не возобновить. Автор не заявляет о медицинских возможностях или безопасности модели и прямо указывает, что она не предназначена для клинического применения. Лицензия — Apache-2.0.

Сценарии применения

  • исследование ответов языковой модели на медицинские запросы
  • сравнение чекпойнтов обучения GRPO с фиксированной рубрикой
  • эксперименты с генерацией диалоговых медицинских ответов
  • анализ влияния промежуточных шагов дообучения на ответы модели

Ограничения

Это промежуточный исследовательский чекпойнт, снятый после 39 из 48 запланированных обновлений; он не предназначен для клинического применения, и автор не заявляет о медицинских возможностях или безопасности. Состояние оптимизатора, тренера и загрузчика данных не опубликовано.

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 39

This is the policy after 39 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-039"
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: 6cbcac7563d67086d29f84e92dbf941756d4aba467ee3d803e8a6293874defb1

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
dfbbd7c

0 моделей