Phantomcloak19/qwen2.5-3b-dpo — плотная авторегрессионная языковая модель семейства Qwen2, дообученная разработчиком на базе Qwen/Qwen2.5-3B-Instruct на этапе DPO в последовательном конвейере обучения LLMPR. Модель предназначена для диалогов и генерации текста по инструкциям; карточка указывает, что это результат DPO-фазы, после которой в конвейере предусмотрен этап Safety-GRPO.

Модель содержит 3,1 млрд параметров, использует библиотеку Transformers и формат Safetensors, поддерживает контекст до 32 768 токенов. Базовая модель многоязычная, однако конкретный список языков для этого чекпойнта в предоставленных данных не указан. Лицензия и отдельные оценки качества не приведены.