Qwen3-4B-Instruct-2507 aligned using DPO on the argilla/ultrafeedback-binarized-preferences
Характеристики
- Контекст
- 262 144 токена
- Параметры
- 3,7 млрд
- Архитектура
- qwen3 · dense
- Базовая модель
- Qwen3-4B-Instruct-2507
- Библиотека
- transformers
- Опубликована
- 1 апр 2026
Ссылки
Qwen3-4B-Instruct-2507-DPO-merged
Дообученная методом DPO модель Qwen3 на 3,7 млрд параметров для диалогов и генерации текста по инструкциям.
15скачиваний за 30 дней0лайковвеса обновлены5 апр 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
MInAlA/Qwen3-4B-Instruct-2507-DPO-merged — языковая модель на архитектуре Qwen3, дообученная методом Direct Preference Optimization (DPO) на наборе предпочтений argilla/ultrafeedback-binarized-preferences. Она предназначена для диалогов и генерации текста по инструкциям. Модель содержит около 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов.
Модель основана на Qwen/Qwen3-4B-Instruct-2507 и сохранена в формате safetensors. Карточка не уточняет, какие языки поддерживаются, лицензию и результаты оценки качества; эти сведения здесь не приводятся.
Сценарии применения
- ответы на вопросы в диалоге
- генерация текста по инструкциям
- помощь в решении текстовых задач
Ограничения
В карточке не приведены оценки качества, поддерживаемые языки или сведения о лицензии.
Для каких профессий подходит12
Разделы каталога профессий, в задачах которых используется эта модель
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 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели
Также подходит для
- II.1Анализ требований и архитектура ПО
- I.3Извлечение и структурирование данных
- I.11Классификация, ранжирование и сопоставление
- II.10Разработка и эксплуатация AI/ML-систем
- II.8Инженерия данных и аналитика
- I.14Автоматизация процессов и AI-агенты
- II.2Создание и понимание программного кода
- II.4Отладка, тестирование и качество ПО
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen3ForCausalLM
- Ревизия весов
- 7d1e416