/ Модель

Характеристики

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

OPSD-PI-Qwen3.5-9B-Medium-Trailing-1024-A6000-Merged-Update16

Генерация текстаТекст → текст9 профессий

Экспериментальный чекпойнт Qwen3.5-9B после 16 обновлений обучения для генерации текста, диалога и работы с кодом.

27скачиваний за 30 дней0лайковвеса обновлены2 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

OPSD-PI Qwen3.5-9B Medium Trailing — update 16 — это полностью объединённая модель семейства Qwen3.5, опубликованная LSW142857. Репозиторий содержит результат 16 обновлений оптимизатора после обучения на выборке из 1024 строк: объединённую инициализацию expert-SFT, обновления OPSD и MTP в формате LoRA, а также обученные тензоры MTP. Модель загружается напрямую через Transformers; дополнительное объединение адаптеров не требуется.

Модель предназначена для генерации текста и диалогового применения; в метаданных также отмечена поддержка кода. Архитектура — плотная Qwen3_5ForConditionalGeneration, веса сохранены в safetensors. README указывает, что PI использовалась только как учитель во время обучения, поэтому оценивать следует студента без PI и на отложенных задачах, а не на обучающих строках. Репозиторий публичный, однако лицензия и размер контекста в предоставленных данных не указаны.

Сценарии применения

  • генерация текста в диалоге
  • экспериментальная оценка OPSD на отложенных задачах
  • генерация и дополнение кода
  • исследование влияния обучения MTP

Ограничения

Это ранний чекпойнт всего после 16 обновлений, поэтому качество и устойчивость требуют проверки на отложенных задачах. README не сообщает лицензию и длину контекста.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OPSD-PI Qwen3.5-9B Medium Trailing — update 16

This public repository is the directly loadable, fully merged Hugging Face model after 16 completed optimizer updates (zero-indexed training iteration 15). It comes from the 1024-row Medium PI trailing_user OPSD run on 8×RTX A6000.

The four model shards contain the merged expert-SFT initialization, the OPSD main-model LoRA update, the MTP LoRA update, and every directly trained full-MTP tensor. No adapter or additional merge step is required.

Load

from transformers import AutoModelForCausalLM, AutoProcessor

repo = "LSW142857/OPSD-PI-Qwen3.5-9B-Medium-Trailing-1024-A6000-Merged-Update16"
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 and provenance

Run sha256sum -c SHA256SUMS after downloading the repository. All 775 output tensors were checked exactly before upload. The merge restores full trained MTP tensors first and then applies main-model and MTP LoRA deltas with scaling 2.0. See merge_manifest.json and training_config.json for hashes, source identity, configuration, and the finite metrics from this update.

The PI was teacher-only during training. Evaluate the student without adding PI, and use held-out tasks rather than the 1024 training rows.

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
0237b45

0 моделей