Экспорт плотной модели Qwen2 на 7,1 млрд параметров с RL-политикой для генерации текста в задачах WebShop.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Saulp/Webshop-7B-RL-vllm — экспорт модели Jianwen/Webshop-7B-RL в стандартном формате Transformers. В репозитории восстановлены веса RL-политики из шардов FSDP без численного смешивания весов; Jianwen/Webshop-7B-SFT использовалась только для восполнения конфигурации или файлов токенизатора, если их не было в RL-чекпойнте. Модель основана на плотной архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; для неё указан контекст до 32 768 токенов.
Модель предназначена для генерации текста в сценарии WebShop и обучения с подкреплением; карточка также отмечает чат и интерфейс вызова инструментов. Репозиторий содержит веса Safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.
В README не приведены результаты оценки качества или подробности обучающей среды. Лицензия и поддерживаемые естественные языки не указаны в предоставленных данных.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository is a standard Transformers export of Jianwen/Webshop-7B-RL. The source checkpoint stored the post-RL policy in FSDP actor shards; those shards were reconstructed without numerically mixing weights.
Jianwen/Webshop-7B-SFT is the SFT predecessor and is used only as a metadata fallback if the RL checkpoint lacks configuration or tokenizer files.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…