Контрольная точка Qwen3-32B после обучения с подкреплением для решения задачи env-2 K-expression.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это контрольная точка Qwen3-32B после 125 шагов обучения с подкреплением на задаче env-2 K-expression; разработчик в карточке не назван. Модель предназначена для решения этой задачи и диалоговой генерации текста в режиме Thinking. Веса адаптера LoRA ранга 32 и alpha 64 объединены с базовой моделью Qwen/Qwen3-32B; объединённые веса сохранены в формате fp32, чтобы точно сохранить изменение от обучения с подкреплением. Модель содержит 29,7 млрд параметров и поддерживает контекст до 40 960 токенов. Лицензия — Apache-2.0.
Это чекпойнт после 125 шагов обучения на конкретной задаче env-2 K-expression; карточка не приводит оценок качества или результатов вне этой задачи.
README от автора на Hugging Face, как он его опубликовал
Qwen3-32B after 125 steps of RL on the env-2 K-expression task (the checkpoint evaluated in the paper). Full merged weights: LoRA rank 32 / alpha 64 merged into the base in fp32 and saved in fp32 so the RL delta is preserved exactly (bf16 rounding of merged weights drops part of it). Thinking mode.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
vLLM
Подбираем GPU…