/ Модель

Характеристики

Контекст
131 072 токена
Параметры
838 млн
Архитектура
llama · dense
Базовая модель
MiniCPM5-1B
Библиотека
transformers
Опубликована
10 сен 2026

kanha-minicpm5-1b-grounded-matched-2ep-20260910

Генерация текстаТекст → текст3 профессии

Экспериментальный QLoRA-чекпойнт MiniCPM5-1B для исследования ответов на вопросы по сайтам при наличии извлечённого контекста.

46скачиваний за 30 дней0лайковвеса обновлены10 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

Kanha-AI kanha-minicpm5-1b-grounded-matched-2ep-20260910 — дообученная методом QLoRA и объединённая в bf16 версия MiniCPM5-1B от OpenBMB. Это компактная плотная языковая модель с архитектурой LlamaForCausalLM, примерно 837,6 млн параметров и контекстом до 131 072 токенов; в метаданных указан английский язык.

Модель предназначена для контролируемого исследования ответов на вопросы по сайтам и сравнения методов обучения на одном датасете, полученном из сайтов Kanha. Её обученный сценарий предполагает, что к вопросу передаётся найденный исходный контекст; на вопросы без такого контекста модель не рассчитана.

В оценке с предоставленным источником полнота дат и URL составила 1,0, чисел — около 0,98, списков — около 0,54. Однако проверка поведения с опорой на источник не прошла: из 26 случаев прошёл один, а семантическая проверка не была проведена. Модель может выдавать неверные, неполные или устаревшие ответы и запоминать обучающие данные; перед применением результаты требуют проверки. Лицензия в предоставленных материалах не указана.

Сценарии применения

  • контролируемая оценка ответов на вопросы по содержимому сайтов
  • сравнение методов обучения на одном веб-датасете
  • ответы на вопросы по переданным фрагментам веб-источников

Ограничения

Требует переданного извлечённого контекста; оценка качества поведения с опорой на источник не пройдена, а проверка семантической корректности не проводилась. Может выдавать неверные, неполные или устаревшие ответы и запоминать обучающие данные; лицензионные условия в предоставленных материалах не указаны.

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

Kanha Qwen3 experiment

Run identity

  • Run ID: minicpm5-1b-kanha-matched-2ep-20260910
  • Base model: openbmb/MiniCPM5-1B
  • Base model revision: 87179e5c1f455ef22e6223592d2d61351b525bfc
  • Tokenizer revision: 87179e5c1f455ef22e6223592d2d61351b525bfc
  • Training method: qlora
  • Final merged dtype: bfloat16
  • Source site: https://kanha.ai
  • Dataset hash: 5344dbb7a1d3267d4b370aac7ecf316329d43829335c95ec38304533bf91c958
  • Train split: 210 records (cec1d43395a9366ae4e54ebf312eb8c4a9a1b7f2dc101f93591e615b865bfcea)
  • Validation split: 45 records (5d55f68556ad3b66c8f1b3069fda424f0d8e5a00785829813153b3890c71d015)
  • Holdout split: 0 records (e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855)

Hyperparameters

  • Maximum sequence length: 4096
  • Seed: 42
  • Epochs: 2.0
  • Learning rate: 0.0001
  • Per-device batch size: 8
  • Gradient accumulation steps: 2
  • Warmup ratio: 0.05
  • Assistant-only loss: true
  • LoRA rank: 16
  • LoRA alpha: 16
  • LoRA dropout: 0.05
  • LoRA targets: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj

Evaluation

Model quality was evaluated with oracle source context. Retrieval quality was not evaluated by this oracle-context check.

  • dates_recall: 1.0
  • deterministic_pass_rate: 0.38461538461538464
  • grounded_answerable_case_count: 24
  • grounded_behavior_case_count: 26
  • grounded_behavior_gate_passed: false
  • grounded_behavior_pass_count: 1
  • grounded_behavior_pass_rate: 0.038461538461538464
  • grounded_reviewed_case_count: 0
  • grounded_reviewed_case_rate: 0.0
  • grounded_semantic_review_gate_passed: false
  • grounded_source_supported_count: 0
  • list_recall: 0.5391025641025641
  • numbers_recall: 0.9794871794871794
  • refusal_rate: 0.15384615384615385
  • requires_review_rate: 0.0
  • total: 26
  • unsupported_value_rate: 0.038461538461538464
  • urls_recall: 1.0

Deterministic scoring and the server-side Transformers benchmark are not browser qualification. Validate the exact converted model in the target browser and device environments.

MLC availability

No validated MLC artifact is included in this publication.

Grounded inference contract

Inference requires retrieved source context. A bare question without retrieved source context is outside the trained and evaluated contract.

  • Prompt contract identity: d0dcb1de0b9d601267a3cbf39420b1f0a2c5749d80b96669a2e9fcf19a280bfb
  • Chat formatting: The model's native chat template is used with thinking disabled (enable_thinking=False).

System prompt (exact):

Answer only from the supplied context. Be concise. If the answer is absent from the context, respond exactly: I can't answer that from the provided context.

User template (exact):

Context:
<context>

Question:
<question>

Refusal string (exact):

I can't answer that from the provided context.

Intended use

This checkpoint is intended for research comparing training methods on the same Kanha website-derived dataset and for controlled evaluation of website question answering.

Limitations

The checkpoint can produce incorrect, incomplete, or stale answers. It may memorize training content. Review outputs, test representative failure cases, and qualify the exact runtime before any user-facing use.

Provenance artifacts

  • research/run-manifest.json
  • research/training-config.yaml
  • research/publication-inventory.json
  • research/evaluation/metrics.json
  • research/evaluation/evaluation-manifest.json

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
53c5bb5

0 моделей