/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-7B-Instruct
Библиотека
transformers
Опубликована
10 авг 2026

qwen2.5-coder-7b-apps-qlora

Генерация текстаТекст → текст3 профессии

Дообученная на задачах APPS модель Qwen для генерации решений на Python в стиле соревновательного программирования.

23скачиваний за 30 дней0лайковвеса обновлены11 авг 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

Shaurya-saini выпустил дообученную методом QLoRA модель Qwen2.5-Coder-7B-Instruct для генерации кода на Python в задачах соревновательного программирования. Это плотная причинная языковая модель семейства Qwen2 с 7,1 млрд параметров и контекстом 32 768 токенов; опубликована объединённая версия весов в формате Safetensors. Для работы следует использовать шаблон чата Qwen, на котором модель обучалась.

Модель обучена в течение одной эпохи на обучающей части набора APPS. По описанной оценке на отложенной тестовой выборке APPS она уступила исходной модели на всех проверенных уровнях сложности. README связывает ухудшение с отбором кратких решений, сужением навыков после дообучения и склонностью генерировать лишние закрывающие скобки. Модель пригодна для изучения и воспроизведения эксперимента, но результаты не подтверждают её преимущество для решения задач программирования. Лицензия — Apache-2.0.

Сценарии применения

  • генерация решения на Python для задачи с входными и выходными данными
  • подготовка чернового решения задачи для контеста или собеседования
  • анализ примеров соревновательных задач и соответствующих программных решений

Ограничения

В оценке на APPS модель уступила базовой Qwen2.5-Coder-7B-Instruct на всех уровнях сложности. Она может генерировать излишне краткий или ошибочный код и лишние закрывающие скобки; для промптов требуется шаблон чата Qwen.

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

qwen2.5-coder-7b-apps-qlora

A QLoRA fine-tune of Qwen2.5-Coder-7B-Instruct on the APPS competitive programming training split, produced as a portfolio study of before/after performance on execution-based code benchmarks. This is the merged 16-bit model; the LoRA adapter is available separately at Shaurya-saini/qwen2.5-coder-7b-apps-qlora-lora.

Important, read first. In a controlled, difficulty-stratified evaluation on the held-out APPS test split, this fine-tune underperforms its own base model, Qwen2.5-Coder-7B-Instruct, on every difficulty tier. It is published for transparency and reproducibility, not as an improvement over the base. If you need the stronger model, use the base. See Evaluation and Limitations below.

Model details

  • Base model: Qwen/Qwen2.5-Coder-7B-Instruct
  • Method: QLoRA (4-bit base, LoRA rank 16 on attention and MLP projections), trained with Unsloth
  • Training data: APPS training split (one solution per problem, formatted as QUESTION/ANSWER inside the Qwen chat template)
  • Training: 1 epoch, effective batch size 8, ~620 steps, single Kaggle T4, final training loss ~0.65
  • License: Apache-2.0 (inherited from the base model)

Intended use and prompt format

Intended for Python competitive-programming style problems. The model was trained inside the Qwen chat template, so it must be prompted with the chat template (using a bare completion prompt drives it off-distribution and degrades output).

from transformers import AutoModelForCausalLM, AutoTokenizer

name = "Shaurya-saini/qwen2.5-coder-7b-apps-qlora"
tok = AutoTokenizer.from_pretrained(name)
model = AutoModelForCausalLM.from_pretrained(name, device_map="auto")

prompt = "QUESTION:\n<your problem statement>\n\nUse Standard Input format\nANSWER:\n"
msgs = [{"role": "user", "content": prompt}]
inputs = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(input_ids=inputs, max_new_tokens=1024, eos_token_id=tok.convert_tokens_to_ids("<|im_end|>"))
print(tok.decode(out[0], skip_special_tokens=True))

Evaluation

APPS held-out test split, 150 problems per difficulty tier, evaluated with bigcode-evaluation-harness. Both models were run identically: 4-bit weights, the same Qwen chat-template prompt, generated code executed against hidden tests. pass@1 is strict accuracy (all hidden tests must pass); the value in parentheses is the average fraction of individual test cases passed.

DifficultyBase (Qwen2.5-Coder-7B-Instruct)This model (fine-tuned)
Easy / Introductory0.0% (0.84%)0.0% (0.22%)
Medium / Interview7.3% (30.2%)2.0% (7.4%)
Hard / Competition0.0% (0.54%)0.0% (0.0%)

Limitations

The fine-tune regressed relative to the base model. The main causes, confirmed by inspecting generations:

  1. Training data selection. Training used the single shortest solution per problem; the shortest APPS solutions are golfed, cryptic code. Imitating them narrowed the model toward terse, cruder attempts.
  2. Catastrophic forgetting. One epoch on a narrow, stylistically-skewed target eroded the base model's broader coding ability.
  3. A learned syntax artifact. The model over-produces closing brackets on some problems, causing compile errors the base model avoids.

A follow-up (v2) will address these by selecting cleaner/longer solutions, lowering the learning rate, and re-evaluating on the same split.

Reproducibility

Full training and evaluation code, the complete issue-and-fix log, and the analysis are in the project repository. Training, upload, and evaluation were run in public Kaggle notebooks (linked from the project README).

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
04e8713

0 моделей