/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Базовая модель
qwen2.5-0.5b-instruct-unsloth-bnb-4bit
Библиотека
transformers
Опубликована
26 фев 2025

QuadConnect2.5-0.5B-v0.0.9b

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель Lyte на базе Qwen 2.5 для выбора ходов в «Четыре в ряд».

147скачиваний за 30 дней0лайковвеса обновлены27 фев 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.

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

QuadConnect2.5-0.5B-v0.0.9b — языковая модель Lyte для игры в «Четыре в ряд», дообученная методом GRPO на базе Qwen 2.5 с 0,5 млрд параметров. Она предназначена для выбора ходов в игре и экспериментов со стратегиями игрового агента. Модель принимает текст и выдаёт текст; в метаданных заявлено контекстное окно 32 768 токенов. Карточка указывает английский язык, датасет Lyte/ConnectFour-T10 и интерфейс чата.

Версия обозначена как ранний эксперимент: функция вознаграждения продолжает изменяться. На валидации Lyte/ConnectFour-T10 точность версии 0.0.9b составила 10,15% при температуре 0,6, 14,03% при 0,8 и 13,32% при 1,0, поэтому качество выбора ходов ограничено. Для модели доступны веса safetensors и вариант GGUF Q8_0. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • выбор хода в игре «Четыре в ряд»
  • создание игрового агента для Connect Four
  • эксперименты с обучением игровой стратегии методом GRPO
  • оценка текстовых моделей на коротких игровых партиях

Ограничения

Ранняя версия с изменяющейся функцией вознаграждения; точность на валидации составляла 10,15–14,03% в зависимости от температуры. Лицензия в предоставленных данных не указана.

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

QuadConnect2.5-0.5B-v0.0.9b - A Strategic Connect Four AI

Connect Four Demo

🎮 Overview

QuadConnect2.5-0.5B is a specialized language model trained to master the game of Connect Four. Built on Qwen 2.5 (0.5B parameter base), this model uses GRPO (Group Relative Policy Optimization) to learn the strategic intricacies of Connect Four gameplay.

Status: Early training experiments (v0.0.9b) - Reward functions still evolving

🔍 Model Details

🚀 Quick Start

Option 1: Using Transformers

from transformers import pipeline

SYSTEM_PROMPT = """You are a master Connect Four strategist whose goal is to win while preventing your opponent from winning. The game is played on a 6x7 grid (columns a–g, rows 1–6 with 1 at the bottom) where pieces drop to the lowest available spot.

Board:
- Represented as a list of occupied cells in the format: <column><row>(<piece>), e.g., 'a1(O)'.
- For example: 'a1(O), a2(X), b1(O)' indicates that cell a1 has an O, a2 has an X, and b1 has an O.
- An empty board is shown as 'Empty Board'.
- Win by connecting 4 pieces in any direction (horizontal, vertical, or diagonal).

Strategy:
1. Identify taken positions, and empty positions.
2. Find and execute winning moves.
3. If There isn't a winning move, then block your opponent's potential wins.
4. Control the center and set up future moves.

Respond in XML:
<reasoning>
Explain your thought process, focusing on your winning move, how you block your opponent, and your strategic plans.
</reasoning>
<move>
Specify the column letter (a–g) for your next move.
</move>
"""

board = {
    "empty": "Game State:\n- You are playing as: X\n- Your previous moves: \n- Opponent's moves: \n- Current board state: Empty Board\n- Next available position per column:  \nColumn a: a1, a2, a3, a4, a5, a6  \nColumn b: b1, b2, b3, b4, b5, b6  \nColumn c: c1, c2, c3, c4, c5, c6  \nColumn d: d1, d2, d3, d4, d5, d6  \nColumn e: e1, e2, e3, e4, e5, e6  \nColumn f: f1, f2, f3, f4, f5, f6  \nColumn g: g1, g2, g3, g4, g5, g6\n\nMake your move.",
    "one_move": "Game State:\n- You are playing as: X\n- Your previous moves: \n- Opponent's moves: b1\n- Current board state: b1(O)\n- Next available position per column:  \nColumn a: a1, a2, a3, a4, a5, a6  \nColumn b: b2, b3, b4, b5, b6  \nColumn c: c1, c2, c3, c4, c5, c6  \nColumn d: d1, d2, d3, d4, d5, d6  \nColumn e: e1, e2, e3, e4, e5, e6  \nColumn f: f1, f2, f3, f4, f5, f6  \nColumn g: g1, g2, g3, g4, g5, g6\n\nMake your move.",
    "four_moves": "Game State:\n- You are playing as: X\n- Your previous moves: a1, a2\n- Opponent's moves: d1, a3\n- Current board state: a1(X), d1(O), a2(X), a3(O)\n- Next available position per column:  \nColumn a: a4, a5, a6  \nColumn b: b1, b2, b3, b4, b5, b6  \nColumn c: c1, c2, c3, c4, c5, c6  \nColumn d: d2, d3, d4, d5, d6  \nColumn e: e1, e2, e3, e4, e5, e6  \nColumn f: f1, f2, f3, f4, f5, f6  \nColumn g: g1, g2, g3, g4, g5, g6\n\nMake your move.",
}

generator = pipeline("text-generation", model="Lyte/QuadConnect2.5-0.5B-v0.0.9b", device="cuda")

# use 'empty', 'one_move' or 'four_moves' in board['']
output = generator([
    {"role": "system", "content": SYSTEM_PROMPT}, 
    {"role": "user", "content": board['empty']}
], max_new_tokens=10245, return_full_text=False)[0]

print(output["generated_text"])

Option 2: Using GGUF

Download the Quantized GGUF (Q8_0) and use it in your favorite GGUF inference engine (e.g., LMStudio).

Option 3: Using Hugging Face Space

Visit the QuadConnect Space to interact with the model directly. You can also duplicate the space or download its code for local use.

📊 Evaluation Results

Model performance was evaluated on the Lyte/ConnectFour-T10 validation split with various temperature settings.

Summary Metrics Comparison

Metricv0.0.6b (Temp 0.6)v0.0.8b (Temp 0.6)v0.0.9b (Temp 0.6)v0.0.9b (Temp 0.8)v0.0.9b (Temp 1.0)
Total games evaluated50825082508250825082
Correct predictions518394516713677
Accuracy10.19%7.75%10.15%14.03%13.32%
Most common moved (41.14%)d (67.61%)a (38.72%)a (31.01%)a (26.99%)
Middle column usage75.05%99.53%29.08%35.43%39.49%

Move Distribution by Column

Columnv0.0.6b (Temp 0.6)v0.0.8b (Temp 0.6)v0.0.9b (Temp 0.6)v0.0.9b (Temp 0.8)v0.0.9b (Temp 1.0)
a603 (19.02%)3 (0.12%)1447 (38.72%)1547 (31.01%)1351 (26.99%)
b111 (3.50%)4 (0.16%)644 (17.23%)924 (18.52%)997 (19.92%)
c785 (24.76%)463 (17.96%)648 (17.34%)1003 (20.11%)985 (19.68%)
d1304 (41.14%)1743 (67.61%)101 (2.70%)202 (4.05%)306 (6.11%)
e290 (9.15%)360 (13.96%)338 (9.04%)562 (11.27%)686 (13.70%)
f50 (1.58%)3 (0.12%)310 (8.30%)408 (8.18%)354 (7.07%)
g27 (0.85%)2 (0.08%)249 (6.66%)342 (6.86%)327 (6.53%)

🔧 Training Details

Data Preparation

  1. Started with Leon-LLM/Connect-Four-Datasets-Collection
  2. Filtered for clean, complete entries
  3. Further filtered to include only games with 10 or fewer turns
  4. Split into train and validation sets
  5. Final dataset: Lyte/ConnectFour-T10

Evaluation Parameters

  • Temperature: 0.6, 0.8, 1.0 (compared)
  • Top-p: 0.95
  • Max tokens: 1024

Framework Versions

  • TRL: 0.15.1
  • Transformers: 4.49.0
  • PyTorch: 2.5.1+cu121
  • Datasets: 3.2.0
  • Tokenizers: 0.21.0

📚 Citations

For GRPO:

@article{zhihong2024deepseekmath,
    title        = {{DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models}},
    author       = {Zhihong Shao and Peiyi Wang and Qihao Zhu and Runxin Xu and Junxiao Song and Mingchuan Zhang and Y. K. Li and Y. Wu and Daya Guo},
    year         = 2024,
    eprint       = {arXiv:2402.03300},
}

For TRL:

@misc{vonwerra2022trl,
    title        = {{TRL: Transformer Reinforcement Learning}},
    author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
    year         = 2020,
    journal      = {GitHub repository},
    publisher    = {GitHub},
    howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
04590ce

0 моделей