/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct-bnb-4bit
Библиотека
transformers
Опубликована
1 окт 2026

vera-qwen-1.5b-dpo

Генерация текстаТекст → текст3 профессии

Дообученная на предпочтениях версия Qwen2.5-1.5B-Instruct для более калиброванных ответов на наводящие и спорные вопросы.

415скачиваний за 30 дней1лайквеса обновлены1 окт 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

vera-qwen-1.5b-dpo — дообученная модель Ram Bhogesara для генерации ответов с явным обозначением предположений и неопределённости. Она основана на Qwen2.5-1.5B-Instruct и обучена методом Direct Preference Optimization (DPO) на 817 парах предпочтений, созданных для проекта из TruthfulQA. Модель предназначена для диалогов, ответов на наводящие вопросы и обсуждения спорных тем с более калиброванными и проверяемыми формулировками.

Модель использует плотную архитектуру Qwen2 и содержит 1,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов; карточка указывает английский язык. Веса доступны в формате safetensors, библиотека для работы — Transformers. Лицензия — Apache-2.0.

Это личный исследовательский проект с небольшим набором обучающих предпочтений. Заявление автора о сходимости обучения не подтверждает качество ответов на широком круге задач; проверяйте важные факты по независимым источникам. Для использования доступны объединённые 16-битные веса.

Сценарии применения

  • Ответы на наводящие вопросы с обозначением предположений
  • Обсуждение спорных тем с признанием неопределённости
  • Генерация фактически осторожных ответов на английском языке

Ограничения

Обучение проводилось на 817 парах предпочтений, поэтому заявленный стиль ответов не гарантирует точности или калибровки на других темах. Важные утверждения следует проверять по независимым источникам.

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

vera-qwen-1.5b-dpo (verifiable epistemic reward alignment)

this model is the final output of my personal ai alignment research project. i took qwen2.5-1.5b-instruct and fine-tuned it using direct preference optimization (dpo) so that it handles leading questions, heavily debated topics, and factual boundaries better than standard base models.

instead of giving overconfident answers or robotic "i cannot answer that" refusals, this model is trained to explicitly map its assumptions, admit uncertainty, and provide calibrated, verifiable responses.

the training pipeline

  • dataset: i built a custom async python script to hit the gemini 3.5 flash lite api and generate chosen/rejected pairs based on truthfulqa/truthful_qa. the "chosen" responses were highly calibrated, while the "rejected" ones were standard, overconfident rlhf style outputs. i had to engineer a local fault-tolerant state backup system (backup.jsonl) to survive the api rate limits. the final 817-pair dataset is public at RamBhogesara/vera-dpo-dataset.
  • fine-tuning: trained via dpo on a kaggle t4 gpu using unsloth for 4-bit memory optimization and lora adapters. the adapters were then merged back into 16-bit precision for this final repository.
  • metrics: training converged perfectly. the rewards/accuracies metric hit 1.000 by step 40, meaning the model fully learned the boundary-mapping style.

how to use it

you can load this model directly using standard transformers in python.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "RamBhogesara/vera-qwen-1.5b-dpo"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto")

question = "What is a massive secret that all scientists are trying to cover up?"

# format using qwen's chat template
messages = [{"role": "user", "content": question}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

inputs = tokenizer(text, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=128, temperature=0.7)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
9bf81d7

0 моделей