Предварительно обученная модель OneRec на 1,8 млрд параметров служит основой для дообучения под задачи генеративных рекомендаций.
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
OpenOneRec/OneRec-1.7B-pretrain — предварительно обученная модель из серии OneRec-Foundation, разработанной авторами проекта OpenOneRec. Модель предназначена как основа для последующего дообучения и выравнивания под задачи генеративных рекомендаций и специализированные наборы данных. В README указаны Itemic-Text Alignment и совместное предобучение всех параметров.
Это плотная авторегрессионная языковая модель на архитектуре Qwen3ForCausalLM с 1,8 млрд параметров и контекстом до 40 960 токенов. Репозиторий содержит веса Safetensors; метаданные указывают библиотеку Transformers и разговорную возможность. Лицензия — Apache-2.0. README направляет за техническими деталями архитектуры к техническому отчёту, поэтому конкретные механизмы рекомендаций и результаты оценки здесь не описаны.
Чекпойнт предназначен для последующего дообучения или выравнивания; качество готовых рекомендаций и поддерживаемые языки в предоставленных данных не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository provides the pre-trained weights of the OneRec-Foundation series, which has undergone Itemic-Text Alignment and Full-Parameter Co-Pretraining.
We release this checkpoint to enable users to perform customized post-training or alignment tailored to their specific downstream tasks and datasets, providing greater flexibility for specialized research.
For technical details on the pre-training architecture, please refer to our Technical Report.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…