/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,3 ГБ
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
29 авг 2026

OPSD-PI-Qwen3.5-9B-Medium-Trailing-1024-A6000-Merged-Iter16

Генерация текстаТекст → текст3 профессии

Промежуточный объединённый чекпойнт Qwen3.5-9B для экспериментального обучения и оценки OPSD-PI в режиме trailing_user.

32скачиваний за 30 дней0лайковвеса обновлены29 авг 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 объединённый контрольный чекпойнт OPSD-PI на базе Qwen3.5-9B, созданный для эксперимента Medium PI с режимом trailing_user. Репозиторий содержит состояние на итерации 16 — после 17 обновлений; автор указывает, что это промежуточная версия, а не итоговая модель итерации 31. Архитектура в метаданных обозначена как плотная Qwen3.5, файлы представлены в формате safetensors и рассчитаны на загрузку через Transformers.

Чекпойнт объединяет экспертную SFT-инициализацию, обновления OPSD LoRA основной модели и MTP LoRA, а также непосредственно обученные тензоры full-MTP. Для загрузки не нужны отдельные адаптеры или инструменты слияния. По карточке модель предназначена для экспериментальной оценки поведения студента на отложенных задачах; обучающая выборка состояла из 1024 строк. Среда обучения использовала Medium PI только как учителя, поэтому при оценке студента PI добавлять не следует.

Карточка не приводит метрики качества, подтверждённый список естественных языков или длину контекста. Модель относится к экспериментальному промежуточному чекпойнту, поэтому её пригодность для прикладного использования требует отдельной оценки. Лицензия в предоставленных данных не указана.

Сценарии применения

  • экспериментальная оценка студенческой модели OPSD на отложенных задачах
  • изучение эффекта обновлений OPSD LoRA основной модели и MTP
  • воспроизведение эксперимента Medium PI на итерации 16
  • загрузка объединённого чекпойнта Qwen3.5 через Transformers

Ограничения

Это промежуточный чекпойнт итерации 16, а не итоговая модель итерации 31; качество следует проверять на отложенных задачах, а не на 1024 обучающих строках. Метрики и лицензия в предоставленных данных отсутствуют.

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

OPSD-PI Qwen3.5-9B Medium Trailing — merged checkpoint iteration 16

This public repository contains the directly loadable, fully merged Hugging Face model for the Medium PI trailing_user OPSD checkpoint at zero-indexed iteration 16 (17 completed updates). It is an intermediate checkpoint, not the final iteration-31 model.

The four model shards already contain:

  • the merged expert-SFT initialization;
  • the iteration-16 main-model OPSD LoRA update;
  • the iteration-16 MTP LoRA update;
  • every directly trained full-MTP tensor.

No adapter, merge tool, or additional checkpoint is required.

Load

from transformers import AutoModelForCausalLM, AutoProcessor

repo = "LSW142857/OPSD-PI-Qwen3.5-9B-Medium-Trailing-1024-A6000-Merged-Iter16"
processor = AutoProcessor.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True,
)

Integrity

sha256sum -c SHA256SUMS

All 775 output tensors were verified exactly before upload: 135 LoRA targets, 15 full-MTP targets, 7 overlapping MTP targets, and 143 unique touched tensors. For overlapping MTP projections, full-MTP restoration was applied before the MTP LoRA delta.

The PI was teacher-only during training. Evaluate the student without adding Medium PI, and use held-out tasks rather than the 1024 training rows. Exact configuration, iteration-16 metrics, provenance, and shard hashes are recorded in training_config.json and merge_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
Qwen3_5ForConditionalGeneration
Ревизия весов
4fdc187

0 моделей