/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
30 июл 2025

Ссылки

Hugging Face

qwne3_4B_shortSFT

Love2DL
Генерация текстаТекст → текст6 профессий

Дообученная на sft_data модель Qwen3-4B для генерации текста и диалоговых ответов.

206скачиваний за 30 дней0лайковвеса обновлены30 июл 2025

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

qwne34BshortSFT — дообученная модель Love2DL на основе Qwen/Qwen3-4B, созданная методом supervised fine-tuning на наборе sft_data. Это плотная причинно-языковая модель примерно на 3,7 млрд параметров для генерации текста и диалогов. Репозиторий использует библиотеку Transformers и формат Safetensors; заявленная длина контекста — до 40 960 токенов.

Модель подходит для генерации ответов в диалоге и других задач текстовой генерации. Карточка не уточняет специализацию набора sft_data, языковой состав, результаты оценки и ограничения качества, поэтому узкие сценарии применения определить нельзя. Лицензия указана как other, без конкретных условий в предоставленных данных.

Сценарии применения

  • генерация ответов в диалоге
  • создание текстовых черновиков
  • продолжение текста по заданному запросу

Ограничения

Карточка не сообщает результаты оценки и языки обучения, поэтому качество для конкретных задач и языков не установлено. Указана лицензия other, но конкретные условия использования не приведены.

Для каких профессий подходит6

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 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwne3_4B_shortSFT

This model is a fine-tuned version of Qwen/Qwen3-4B on the sft_data dataset.

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: 2
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 12
  • total_train_batch_size: 96
  • total_eval_batch_size: 32
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 4.52.4
  • Pytorch 2.7.1+cu126
  • Datasets 3.6.0
  • Tokenizers 0.21.1

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
24682d2

0 моделей

    Создать бенчмарк