/ Модель

Характеристики

Контекст
262 144 токена
Параметры
7,2 млрд
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
6 сен 2026

MR_midtrain_9B_v4_half

Генерация текстаТекст → текст3 профессии

Экспериментальный текстовый чекпойнт Qwen3.5-9B, дообученный на половине корпуса MR v4 для генерации в scaffold-протоколе.

119скачиваний за 30 дней0лайковвеса обновлены6 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

MRmidtrain9Bv4 — half corpus — это экспериментальный чекпойнт, дообученный HerrHruby на базе Qwen/Qwen3.5-9B. Он предназначен для генерации текста в формате scaffold-протокола MR: обучение проводилось на половине корпуса версии v4, содержащего 37 404 строки и 2 244 задачи, с четырьмя специальными токенами MR. Это одна из точек эксперимента по масштабированию данных, сопоставленная с обучением на четверти и полном корпусе.

Модель использует плотную архитектуру Qwen3.5 для причинной генерации текста, представлена в формате safetensors и имеет контекстное окно 262 144 токена по метаданным. В README указаны bf16, FSDP, максимальная длина последовательности 65 536 токенов и итоговая валидационная next-token loss 0,6586; этот показатель не является оценкой качества по задачам. Метаданные также отмечают возможность диалога, однако README не приводит измеренных scaffold-eval результатов или подтверждённых прикладных сценариев. Базовая модель описана в каталоге как мультимодальная, но сведения о поддержке изображений этой текстовой производной модели не заявлены. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в scaffold-протоколе MR
  • эксперименты по влиянию размера обучающего корпуса на языковую модель
  • сравнение чекпойнтов MR midtrain по валидационной next-token loss

Ограничения

В README не приведены результаты scaffold-eval, а указанная валидационная next-token loss не заменяет оценку качества на прикладных задачах. Языки и лицензия в предоставленных данных не установлены.

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

MR_midtrain_9B_v4 — half corpus

A data-scaling point for MR_midtrain_9B_v4: the same v4 midtrain SFT recipe on 37,404 rows / 2,244 problems, which is the half of the full corpus (MR_midtrain_V4_sft, 74,796 rows / 4,518 problems).

Scaling result

corpusrowsproblemsconverged val loss
full74,7964,5180.6444
half37,4042,2440.6586
quarter18,7141,0950.6734

All three lie on val_loss = 0.6444 + 0.0145 * log2(74796/rows) to within 0.0003 — each halving of the corpus costs ~0.0145 val loss, log-linear across the whole 4x range with no threshold.

This is held-out next-token loss, not a judged score. Scaffold-eval numbers for these checkpoints are not yet measured.

Corpus construction

Scaling points are nested (quarter ⊂ half ⊂ full), split by problem rather than by row: rows within a problem are different layers of one exploration, so a row-level split would keep nearly every problem and measure intra-trajectory redundancy instead of corpus size. The validation set is byte-identical at every point.

Training

Identical to the reference run except corpus size: Qwen3.5-9B + 4 MR special tokens, bf16 FSDP, max_length 65536, effective batch 128, lr 2e-5 cosine to 0.01x, warmup 3%, weight decay 0.01, 6 epochs. Stopped at step 1600 of 1752 (91.3% through the cosine schedule, lr ~5.7e-7 vs a final 2.0e-7) because val loss had been flat to four decimals for 300 steps and the remaining allocation was better spent on the quarter run.

Uses the same <direction> / <summary> scaffold protocol as v4 — see the base model card for the prompt format.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
ef4115e

0 моделей