Qwen2.5-3B MBPP replay lambda-0.1 seed 2 — готовый к инференсу чекпойнт размером 3,1 млрд параметров, разработанный в рамках эксперимента RL-Forgetting-Experiments-3. Это дообученная на базе Qwen/Qwen2.5-3B плотная авторегрессионная модель семейства Qwen2, опубликованная на шаге оптимизатора 1000 в рамках завершённого запуска обучения с подкреплением для программирования.

Модель предназначена для генерации текста в сценариях общения и задач программирования; карточка указывает на данные MBPP и replay в названии эксперимента, но не описывает конкретные результаты или гарантии качества. Модель использует Transformers и формат Safetensors, поддерживает контекст до 32 768 токенов. Лицензия в предоставленных сведениях не указана.