/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,7 млрд
Размер весов
3,8 ГБ
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-2B-Vi-SFT
Библиотека
transformers
Опубликована
11 сен 2026

Qwen3.5-2B-vi-dpo

Генерация текстаТекст → текст3 профессии

Qwen3.5-2B-Vi-DPO — языковая модель для генерации текста и диалогового взаимодействия, опубликованная под идентификатором Phuc-HugigFace/Qwen3.5-2B-vi-dpo.

896скачиваний за 30 дней0лайковвеса обновлены11 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

Она является дообученной версией Phuc-HugigFace/Qwen3.5-2B-Vi-SFT и создана с использованием библиотеки TRL. По названию модель относится к классу Qwen с заявленным размером около 2 млрд параметров и ориентирована на вьетнамский язык или вьетнамоязычные сценарии, однако точные сведения о языках, архитектуре и размере контекста в README не приведены.

Модель предназначена для текстовой генерации, чат-ботов и ответов на пользовательские запросы. Для выравнивания поведения применён метод Direct Preference Optimization (DPO), который дообучает модель на предпочтениях без отдельного этапа обучения reward-модели. В README приведён пример использования через Transformers pipeline с генерацией ответа на диалоговый запрос, включая запуск на GPU.

К сильным сторонам относятся специализированное дообучение после SFT и оптимизация предпочтений с помощью DPO, что может улучшать качество и согласованность диалоговых ответов. Ограничения модели связаны с отсутствием в карточке данных о результатах оценки, качестве на конкретных наборах, поддерживаемых языках, максимальной длине контекста, безопасности и производительности. Лицензия обозначена как license, но её конкретные условия в README не раскрыты.

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

Model Card for Qwen3.5-2B-Vi-DPO

This model is a fine-tuned version of Phuc-HugigFace/Qwen3.5-2B-Vi-SFT. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="Phuc-HugigFace/Qwen3.5-2B-Vi-DPO", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with DPO, a method introduced in Direct Preference Optimization: Your Language Model is Secretly a Reward Model.

Framework versions

  • TRL: 1.13.0
  • Transformers: 5.17.0
  • Pytorch: 2.8.0+cu129
  • Datasets: 5.0.1
  • Tokenizers: 0.23.2

Citations

Cite DPO as:

@inproceedings{rafailov2023direct,
    title        = {{Direct Preference Optimization: Your Language Model is Secretly a Reward Model}},
    author       = {Rafael Rafailov and Archit Sharma and Eric Mitchell and Christopher D. Manning and Stefano Ermon and Chelsea Finn},
    year         = 2023,
    booktitle    = {Advances in Neural Information Processing Systems 36: Annual Conference on Neural Information Processing Systems 2023, NeurIPS 2023, New Orleans, LA, USA, December 10 - 16, 2023},
    url          = {http://papers.nips.cc/paper_files/paper/2023/hash/a85b405ed65c6477a4fe8302b5e06ce7-Abstract-Conference.html},
    editor       = {Alice Oh and Tristan Naumann and Amir Globerson and Kate Saenko and Moritz Hardt and Sergey Levine},
}

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
ed54ed4

0 моделей