Характеристики

Контекст: 40 960 токенов
Параметры: 7,6 млрд
Размер весов: 16,4 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: Qwen3-8B
Библиотека: transformers
Опубликована: 3 июл 2026

Ссылки

Hugging Face

Qwen3-8B-Physics-SDPO-TR

SeongryongJung

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-8B для генерации ответов и решения задач по физике.

10скачиваний за 30 дней0лайковвеса обновлены3 июл 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

SeongryongJung/Qwen3-8B-Physics-SDPO-TR — дообученная версия языковой модели Qwen3-8B, обученная для задач по физике методом SDPO-TR с размером обучающего батча 32. В репозитории находится лучший контрольный снимок global_step_90, выбранный по валидационному показателю mean@16; также доступен финальный снимок обучения.

Модель предназначена для генерации текста и решения физических задач в диалоговом формате. В README приведены результаты на наборе Physics: лучший валидационный mean@16 составил 69,61%, а у финального снимка — 68,28%. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Она загружается через Transformers; веса опубликованы в формате Safetensors. Лицензия — Apache-2.0.

Качество и заявленные результаты относятся к указанному физическому набору данных и метрике; карточка не описывает отдельные ограничения или оценку на других предметных областях. Это специализированное дообучение, поэтому пригодность для задач вне физики по приведённым данным не подтверждена.

Сценарии применения

решение учебных задач по физике
генерация пошаговых объяснений физических явлений
ответы на вопросы по физике
проверка рассуждений при решении физических задач

Ограничения

Опубликованные результаты относятся к набору Physics и метрике mean@16; качество на других предметных областях не охарактеризовано. README не приводит оценки типичных ошибок модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей I.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-8B-Physics-SDPO-TR

This repository contains the Qwen3-8B Physics SDPO-TR run trained with batch size 32.

The repository root contains the best validation checkpoint (global_step_90), selected by validation mean@16. checkpoints/last/ contains the final checkpoint.

Performance

Dataset	Method	Base model	Train batch size	Best val mean@16	Best checkpoint	Final val mean@16	Final checkpoint
Physics	SDPO-TR	Qwen3-8B	32	69.61%	90	68.28%	100

Training and validation scores

Raw result files:

results/validation_mean16.csv
results/training_scores.csv
artifacts/config.yaml
artifacts/wandb-summary.json

Training Hyperparameters

Hyperparameter	Value
Base model	`Qwen/Qwen3-8B`
Method	`SDPO-TR`
Train batch size	`32`
Train max samples	`3200`
Total training steps	`100`
Save frequency	`10`
Test frequency	`10`
Teacher regularization	`trust-region`
Teacher update rate	`0.1`
Rollout samples per prompt	`8`
Validation samples per prompt	`16`
Learning rate	`1e-5`
vLLM GPU memory utilization	`0.8`

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "SeongryongJung/Qwen3-8B-Physics-SDPO-TR"
tokenizer = AutoTokenizer.from_pretrained(repo_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=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: Qwen3ForCausalLM
Ревизия весов: 61bceda

Характеристики

Ссылки

Qwen3-8B-Physics-SDPO-TR

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит3

Карточка модели

Qwen3-8B-Physics-SDPO-TR

Performance

Training Hyperparameters

Usage

Как запустить