Экспериментальный чекпойнт Qwen3-1.7B, дообученный методом Guided-OPD для генерации ответов в диалоговом сценарии SearchQA.
154скачиваний за 30 дней0лайковвеса обновлены22 сен 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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
SeanWang0027 выпустил экспериментальный чекпойнт Qwen3-1.7B, обученный на SearchQA методом Guided-OPD с учителем Qwen3-32B. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров; репозиторий содержит экспорт шага обучения 200 в формате safetensors для Transformers. В метаданных указан контекст до 40 960 токенов и возможность диалогового взаимодействия.
Модель обучалась для генерации ответов в сценарии SearchQA с ReAct-диалогом и поочерёдными ролями учителя и студента. Обучение использовало выключенный режим рассуждений, выборку из 6 000 вопросов и 200 шагов оптимизации; модель не оценивалась. Данные не подтверждают отдельные языки или специализированные области применения, поэтому её следует рассматривать как ранний экспериментальный чекпойнт, а не проверенное решение для поиска по вопросам.
Лицензия в предоставленных данных не указана.
Сценарии применения
эксперименты с генерацией ответов на вопросы SearchQA
изучение Guided-OPD для языковых моделей
сравнение компактной модели Qwen3 с учителем Qwen3-32B
прототипирование ReAct-диалогов для ответов на вопросы
Ограничения
Чекпойнт взят на шаге обучения 200 и не оценивался, поэтому качество ответов не подтверждено. В предоставленных данных не указана лицензия.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
Qwen3-1.7B, SearchQA, GUIDED-OPD from Qwen3-32B, train step 200
Guided-OPD (FutureBridge): per-turn teacher/student role, beta cosine 1.0 -> 0.0 over 80% of the steps, mix loss mu 0.5. Code: kokolerk/TCOD + FutureBridge-OPD overlay (trinity-rft), SearchQA port as in docs/TCOD_SEARCHQA.md of the online-rose repo
(branch tcod-searchqa): student Qwen3-1.7B, teacher Qwen3-32B bf16, thinking off, the ReAct conversation of searchqa/eval_react.py,
16 rounds, 6000-question train split, batch 16 episodes / 64 turns, lr 1e-6, kl_coef 1.0, total_steps 200.
This is the HF export of trainer step 200. Not evaluated.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров