Elastic Attention: Test-time Adaptive Sparsity Ratios for Efficient Transformers
Характеристики
- Контекст
- 262 144 токена
- Параметры
- 3,7 млрд
- Размер весов
- 17,7 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen3 · dense
- Базовая модель
- Qwen3-4B
- Библиотека
- transformers
- Опубликована
- 28 янв 2026
Ссылки
full_streaming_64k_qwen3-4b_MLP8.0_wfrozen
Дообученная модель Qwen3-4B для генерации текста и диалогов с длинным контекстом до 262 144 токенов.
274скачиваний за 30 дней0лайковвеса обновлены28 янв 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
LCM-Lab/full_streaming_64k_qwen3-4b_MLP8.0_wfrozen — дообученная плотная языковая модель семейства Qwen3 на базе Qwen/Qwen3-4B, опубликованная LCM-Lab. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. В репозитории используются веса Safetensors, модель содержит около 3,7 млрд параметров и поддерживает контекст до 262 144 токенов.
README озаглавлен «Elastic Attention: Test-time Adaptive Sparsity Ratios for Efficient Transformers», что указывает на связь модели с исследованием адаптивной разреженности внимания при работе трансформеров. Лицензия — Apache-2.0. Карточка не раскрывает конкретные результаты тестирования или подробные ограничения качества.
Сценарии применения
- генерация текста в диалоге
- ответы на вопросы в длинном контексте
- подготовка черновиков и кратких объяснений
- генерация кода по текстовому запросу
- вызов инструментов из диалогового приложения
Ограничения
README не содержит описания результатов оценки или подробных ограничений модели. Поддержка английского указана в метаданных; другие языки ими не подтверждены.
Для каких профессий подходит15
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Также подходит для
- I.14Автоматизация процессов и AI-агенты
- II.1Анализ требований и архитектура ПО
- I.7Речь, диалоги и встречи
- II.10Разработка и эксплуатация AI/ML-систем
- II.8Инженерия данных и аналитика
- II.3Рефакторинг, миграция и модернизация
- I.1Поиск и навигация по информации
- I.3Извлечение и структурирование данных
- II.7DevOps, облако и эксплуатация IT-систем
- II.4Отладка, тестирование и качество ПО
- I.11Классификация, ранжирование и сопоставление
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- PawQwen3ForCausalLM
- Ревизия весов
- fca9d94