/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-OT3-2ep
Библиотека
transformers
Опубликована
14 сен 2026

Qwen3-4B-OT3-law

Генерация текстаТекст → текст3 профессии

Дообученная на юридических задачах модель Qwen3 для ответов с рассуждениями на вопросы по праву, включая тесты с вариантами выбора.

574скачиваний за 30 дней0лайковвеса обновлены14 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

MMOPD/Qwen3-4B-OT3-law — модель генерации текста, разработанная MMOPD как специализированный учительский чекпойнт для юридических задач. Это плотная Qwen3ForCausalLM с 3,7 млрд параметров, дообученная методом SFT на проверенных цепочках рассуждений более сильной модели для ответов на юридические вопросы с вариантами выбора, включая выбор правового вывода в CaseHOLD и вопросы экзамена на адвокатскую квалификацию. Модель сохраняет формат чата и режим рассуждений Qwen3; контекст — до 32 768 токенов.

Модель предназначена для ответов на юридические вопросы и генерации рассуждений по ним, а также для использования в экспериментах по дистилляции. В README приведён результат 73,9% на CaseHOLD; качество на других юридических наборах для этого чекпойнта не указано. Модель также уступила исходной модели на перечисленных общих тестах, поэтому её профиль узкоспециализированный. Доступна под лицензией Apache-2.0.

Сценарии применения

  • выбор правового вывода в заданиях CaseHOLD
  • ответы на юридические вопросы с вариантами выбора
  • решение вопросов экзамена на адвокатскую квалификацию
  • генерация цепочек рассуждений для юридических задач
  • подготовка учительских ответов для дистилляции юридических моделей

Ограничения

Специализация и приведённая оценка относятся к юридическим вопросам с выбором ответа; README не приводит результаты этой версии на других юридических наборах. На перечисленных общих бенчмарках модель показала результаты ниже исходного чекпойнта.

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

Qwen3-4B-OT3-law (law teacher, SFT)

Qwen3-4B-OT3-law is the law domain teacher of the MMOPD study: MMOPD/Qwen3-4B-OT3-2ep fine-tuned (supervised) on verified long-chain-of-thought answers of a much stronger model (Qwen3.6-35B-A3B, CaseHOLD 79.7%) to legal multiple-choice questions (CaseHOLD holding selection and bar-exam questions). Only traces whose final answer matched the gold letter were kept (rejection sampling), at most 2 per question. It raises CaseHOLD from 63.2 to 73.9 while keeping the Qwen3 thinking format. This is the SFT-only teacher used by the MMOPD experiments (an earlier revision of this repository held an SFT + GRPO variant; that model reached CaseHOLD 78.3 but is not the teacher of record).

Training

initMMOPD/Qwen3-4B-OT3-2ep
data56,123 verified teacher traces on 28,615 prompts (CaseHOLD train 54,030 rows + bar-exam MCQ 2,093 rows), 8-gram decontaminated against the evaluation sets
trace teacherQwen3.6-35B-A3B, 8 samples per question at temperature 1.0, keep the correct ones (up to 2)
recipeSFT, 2 epochs, LR 1e-5 (5% warmup), max length 20,480, flatten packing, bf16 + ZeRO-2; final checkpoint (step 104)

Evaluation

Domain benchmarks (temperature 1.0, top-p 1.0, long generation budget; accuracy in %):

ModelMedQAMedXpertQAPubMedQACaseHOLDFinQATAT-QA (EM)
Qwen3-4B-OT3-law (this)–––73.9––
Qwen3-4B-OT3-2ep (student init)69.813.775.263.258.324.4

General benchmarks (Qwen3 thinking preset: temperature 0.6, top-p 0.95, top-k 20; 32,768 max new tokens; AIME = avg@8, LiveCodeBench v6 / IFEval / IFBench = 1 sample; scores in %):

ModelAIME24AIME25AIME26LiveCodeBench v6IFEvalIFBench
Qwen3-4B-OT3-law (this)45.442.940.837.048.229.0
Qwen3-4B-OT3-2ep (student init)66.356.358.351.751.027.7

Notes

  • Weights are stored in bfloat16 (the SFT checkpoint as saved). Apache-2.0.
  • Domain scores are measured at temperature 1.0 because that is the sampling regime in which these models serve as distillation teachers; general benchmarks use the Qwen3 thinking preset.
  • Part of the MMOPD model family together with MMOPD/Qwen3-4B-OT3-{1ep,2ep}, MMOPD/Qwen3-1.7B-OT3-{1ep,2ep} and the other domain teachers MMOPD/Qwen3-4B-OT3-{medical,law,finance,if}.

How to use

The models keep the Qwen3 chat template and thinking format (<think> ... </think> before the answer). Use enable_thinking=True and sampling (not greedy); the evaluations below used a 32k-token generation budget.

from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "MMOPD/Qwen3-4B-OT3-law"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype="auto", device_map="auto")
messages = [{"role": "user", "content": "Which of the following holdings best completes the citing text? (CaseHOLD-style question with five candidate holdings)"}]
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=True)
out = model.generate(**tok(text, return_tensors="pt").to(model.device), max_new_tokens=32768,
                     do_sample=True, temperature=0.6, top_p=0.95, top_k=20)
print(tok.decode(out[0], skip_special_tokens=True))

vLLM: vllm serve MMOPD/Qwen3-4B-OT3-law --max-model-len 40960 (the same sampling settings apply).

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
9b20a8f

0 моделей