/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
10 авг 2026

Ссылки

Hugging Face

qwen3-finetuned

Lakshay747
Генерация текстаТекст → текст3 профессии

Дообученная компактная модель Qwen3 для генерации текста и диалоговых сценариев.

20скачиваний за 30 дней0лайковвеса обновлены10 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.

Открыть конструктор бенчмарка

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

Lakshay747/qwen3-finetuned — дообученная Lakshay747 модель на основе Qwen/Qwen3-0.6B, разработанная для генерации текста и диалогов. В репозитории указана оценка loss 3,1131 на тестовом наборе, но подробности набора и методики оценки отсутствуют.

Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Для запуска указана библиотека Transformers, веса доступны в формате safetensors; лицензия — Apache-2.0. Базовая Qwen3-0.6B описана как многоязычная модель, однако языки и специализация этого дообучения не уточнены.

Модель подходит для экспериментов с генерацией текста и разговорными интерфейсами. Неизвестный обучающий датасет и отсутствие описания оценки не позволяют судить о качестве на конкретных задачах; перед применением результаты следует проверить на целевых данных.

Сценарии применения

  • генерация текста по запросу
  • создание прототипа чат-бота
  • эксперименты с дообучением компактных языковых моделей

Ограничения

Обучающий датасет не описан, а приведён только один показатель loss без подробностей тестового набора и методики. Языки и качество модели на конкретных задачах не установлены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen3-finetuned

This model is a fine-tuned version of Qwen/Qwen3-0.6B on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.1131

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
3.07801.0623.1131

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
bea1388

0 моделей

    Создать бенчмарк