Phantomcloak19/qwen3-4b-dpo — полновесная модель, полученная после этапа Direct Preference Optimization (DPO) в последовательном конвейере обучения LLMPR; разработчик — Phantomcloak19. Она основана на Qwen/Qwen3-4B и предназначена для диалогов и генерации текста. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM, формат safetensors и контекст до 40 960 токенов.

Модель принимает текст и выдаёт текст. Карточка не уточняет языки обучения и отдельные специализации, поэтому её можно описать как общую диалоговую языковую модель; сведения о многоязычных возможностях относятся к базовой Qwen3-4B. Указанная в README лицензия отсутствует в предоставленных данных.