/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Библиотека
transformers
Опубликована
4 окт 2026

qwen2.5-0.5b-dpo

Генерация текстаТекст → текст

Компактная модель Qwen2.5 на 494 млн параметров для диалогов, выполнения инструкций и генерации текста, дообученная методом DPO.

331скачиваний за 30 дней0лайковвеса обновлены4 окт 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 компактная диалоговая языковая модель Jubel, созданная дообучением Qwen/Qwen2.5-0.5B-Instruct методом DPO с LoRA ранга 16 на 2 000 парах из UltraFeedback; адаптер слит с весами. Модель содержит 494 млн параметров, использует архитектуру Qwen2 для генерации текста и поддерживает контекст до 32 768 токенов.

Она предназначена для диалогов, выполнения инструкций и генерации ответов. В небольшой оценке DPO не дало измеримого улучшения относительно базовой модели. Модель может выдумывать факты, устаревать в сведениях о недавних событиях и слабо работать на бенгальском и других малоресурсных языках; оценка была ограниченной. Для загрузки токенизатора README рекомендует использовать базовую модель Qwen2.5-0.5B-Instruct. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом чат-боте
  • выполнение текстовых инструкций
  • создание коротких текстовых ответов
  • эксперименты с DPO и выравниванием языковых моделей

Ограничения

Модель может выдумывать факты и не знать недавних событий; качество невысоко на бенгальском и других малоресурсных языках. Эффект DPO оценивался на небольшой выборке и не показал измеримого улучшения относительно базовой модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5-0.5B-Instruct + DPO (LoRA)

Fine-tuned from Qwen/Qwen2.5-0.5B-Instruct with DPO (LoRA r=16, beta=0.1, 1 epoch, 2,000 pairs from UltraFeedback) on a Kaggle T4 GPU. The LoRA adapter is merged into the weights.

Results (vs. the base model)

MetricBaseThis model
TruthfulQA mc2 (200 questions)0.417 ± 0.0290.414 ± 0.028
Safety refusals (keyword, of 10)88
Average answer length (words)109110

DPO caused no measurable change. This is a learning project.

Limitations

  • Small model: it makes up facts and is outdated on recent events.
  • Weak in Bengali and other low-resource languages.
  • Evaluation is small (200 questions, 30 prompts, keyword refusal check).

Usage

Load the tokenizer from the base model: ```python from transformers import pipeline pipe = pipeline("text-generation", model="Jubel/qwen2.5-0.5b-dpo", tokenizer="Qwen/Qwen2.5-0.5B-Instruct") ```

Code: https://github.com/JubelHossaain/dpo-aligned-assistant Base model credit: Qwen team, Alibaba Cloud.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
c449ef4

0 моделей