/ Модель

Характеристики

Контекст
131 072 токена
Параметры
14 млрд
Размер весов
29,5 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-14B
Библиотека
transformers
Опубликована
19 мая 2025

E1-Code-14B

Генерация текстаТекст → текст6 профессий

E1-Code-14B — 14-миллиардная языковая модель Salesforce для генерации кода и адаптивного рассуждения при ограниченном бюджете вычислений.

91скачиваний за 30 дней7лайковвеса обновлены25 мая 2025

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

E1-Code-14B — языковая модель Salesforce, дообученная на DeepSeek-R1-Distill-Qwen-14B для эластичного рассуждения. Обучение с помощью стратегии rollout при ограниченном бюджете, встроенной в GRPO, помогает модели адаптировать ход рассуждения к ограничениям на объём вычислений и обобщать на новые ограничения без дополнительного обучения.

Модель с архитектурой Qwen2 содержит 14 млрд параметров, принимает текст и генерирует текст; нативный контекст — 131 072 токена. Карточка указывает датасет DeepCoder-Preview-Dataset и диалоговые возможности. Модель предназначена для экспериментов с рассуждением и генерацией кода, однако README не приводит конкретных результатов оценки качества.

Лицензия CC-BY-NC-4.0 допускает использование на условиях указанных ограничений, включая некоммерческий характер. Разработчик позиционирует выпуск как исследовательский и рекомендует проверять точность, безопасность и справедливость перед применением, особенно в сценариях высокого риска.

Сценарии применения

  • генерация программного кода по текстовому запросу
  • решение задач на рассуждение при заданном лимите вычислений
  • настройка длины рассуждения под бюджет генерации
  • исследования методов эластичного рассуждения в языковых моделях

Ограничения

В README не приведены конкретные метрики качества или результаты оценки модели. Выпуск предназначен для исследований; перед применением следует оценить точность, безопасность и справедливость, особенно в сценариях высокого риска.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Introduction

E1-Code-14B is a language model fine-tuned from DeepSeek-R1-Distilled-Qwen-14B. It is trained for Elastic Reasoning by budget-constrained rollout strategy, integrated into GRPO, which teaches the model to reason adaptively when the thinking process is cut short and generalizes effectively to unseen budget constraints without additional training.

Usage

For detailed usage, please refer to repo.

Citation

@article{xu2025scalable,
  title={Scalable Chain of Thoughts via Elastic Reasoning},
  author={Xu, Yuhui and Dong, Hanze and Wang, Lei and Sahoo, Doyen and Li, Junnan and Xiong, Caiming},
  journal={arXiv preprint arXiv:2505.05315},
  year={2025}
}

Ethical Considerations

This release is for research purposes only in support of an academic paper. Our models, datasets, and code are not specifically designed or evaluated for all downstream purposes. We strongly recommend users evaluate and address potential concerns related to accuracy, safety, and fairness before deploying this model. We encourage users to consider the common limitations of AI, comply with applicable laws, and leverage best practices when selecting use cases, particularly for high-risk scenarios where errors or misuse could significantly impact people's lives, rights, or safety. For further guidance on use cases, refer to our AUP and AI AUP.

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
9eebf1f

0 моделей